Python数组切片与内存占用：如何创建同一数值序列的多只读引用

看起来你已经摸到门道了！咱们来把这个问题彻底理清楚：

首先，你的核心需求是生成多个指向同一数值序列的引用，避免复制数据，且后续仅做只读操作——用numpy的视图（view）完全能满足这个需求，而且你的测试结果也完美验证了这一点。

背后的原理拆解 #

• 当你执行a = m[1,]时，a并不是原数组m的副本，而是一个视图：它共享m的底层数据内存，只拥有自己的形状、步长等元信息。这意味着a本身几乎不占用额外内存，只是对原数据的一个"观察窗口"。
• 而a[:]会触发浅复制，生成一个全新的numpy数组对象，并且复制了a指向的所有数据。所以每次append(a[:])都会在内存里新增一份完整的序列数据，循环10万次自然会积累出明显的内存占用（你看到的16MB就是这些复制的数据加数组对象的开销总和）。
• 直接append(a)就不一样了：你只是把这个视图对象的引用添加到列表里，所有列表元素都指向同一块底层数据。每个引用在Python里只占用很小的内存空间，所以10万次循环下来内存增加微乎其微（不足1MB）。

优化建议（适配只读需求） #

如果要确保这些引用不会被意外修改（完全符合你的只读操作要求），可以把视图设置为只读状态：

a = m[1,]
a.flags.writeable = False  # 标记为只读

之后如果有人尝试修改a（比如a[0] = 100），会直接抛出ValueError，从根源上避免误操作影响共享数据。

总结 #

直接复用a这个视图对象即可，不用做任何切片复制——既满足了"显式序列形式"的要求，又完全不需要额外复制数据，内存效率拉满，而且通过设置只读属性可以确保后续操作的安全性。

内容的提问来源于stack exchange，提问作者Guy s