numpy截取的二维数组子数组会联动修改原数组，如何避免原数组被改动

NumPy 做切片操作的时候，为了避免大数组切片时的内存拷贝开销，默认返回的不是独立的新数组，而是指向原数组内存块的视图——这个子数组没有自己的独立存储空间，只是记录了原数组的内存起始地址、步长信息，通过索引映射访问原数组对应位置的数据。
也就是说你修改x2_sub的元素，本质就是直接在原数组的内存地址上写值，两个数组共享同一块数据存储，自然会出现同步改动的情况，这是NumPy为了性能做的默认设计，不是代码bug。

只要在切片生成子数组的时候，主动给它分配独立的内存空间，生成不共享内存的副本，就能实现两者的修改完全互不干扰，常用方法有两种：

• 方法1：对切片结果调用.copy()方法
  这是开发中最常用的写法，语义明确，会在独立的内存区域新建一份切片数据的拷贝，和原数组彻底切断内存关联。示例代码：

  import numpy as np
  np.random.seed(0)
  x2 = np.random.randint(10, size=(3, 4))
  # 切片后追加copy，生成独立副本
  x2_sub = x2[:2, :2].copy()
  x2_sub[0, 0] = 99
  print(x2_sub)
  # 运行输出：
  # [[99  0]
  #  [ 7  9]]
  print(x2)
  # 运行输出（原数组不受任何修改影响）：
  # [[5 0 3 3]
  #  [7 9 3 5]
  #  [2 4 7 6]]
  

• 方法2：用np.array()基于切片数据重建数组
  把切片得到的视图作为入参传给np.array()构造函数，同样会生成独立存储的新数组，和.copy()的效果完全等价。写法示例：

  x2_sub = np.array(x2[:2, :2])
  

日常开发提醒：除了切片操作，NumPy 中像reshape这类不改变数据总长度的形状变换，默认也会返回视图。只要你后续需要独立修改子数组、不希望污染原始数据，一定要主动生成副本，否则很容易出现隐蔽的内存数据串改问题。

内容的提问来源于stack exchange，提问作者zoldxk