NumPy数组索引赋值疑问：两种索引方式为何结果不同？

先看你的代码执行结果：

import numpy as np

i = np.arange(2,4)
a = np.arange(5)
a[:][i] = 0  # 输出 [0 1 0 0 4]
print(a)

b = np.arange(5)
b[i][:] = 0  # 输出 [0 1 2 3 4]
print(b)

核心原因：切片索引 vs 数组索引的返回类型差异 #

NumPy里两种索引方式的返回结果本质不同：

• 切片索引（arr[:]）：返回原数组的视图（View），视图和原数组共享同一块内存空间，修改视图的元素会直接同步到原数组。
• 数组索引（arr[i]，i是整数数组）：返回原数组的副本（Copy），副本是独立的内存块，修改副本不会影响原数组。

逐行拆解两个赋值操作 #

1. a[:][i] = 0的执行流程

• 第一步a[:]：生成原数组a的视图，和a共享内存。
• 第二步[i]：对这个视图进行数组索引，赋值操作会直接作用于视图对应的原数组内存位置，最终修改了原数组a。

2. b[i][:] = 0的执行流程

• 第一步b[i]：对原数组b进行数组索引，返回的是b对应元素的独立副本，和原数组内存不共享。
• 第二步[:]：对这个副本做切片赋值，修改的只是副本元素，原数组b的内存完全没被改动，所以输出还是初始值。

直观证明方法 #

用np.shares_memory()函数可以直接验证内存是否共享：

import numpy as np

i = np.arange(2,4)
a = np.arange(5)
a_slice = a[:]
print(np.shares_memory(a, a_slice))  # 输出 True，说明是视图

b = np.arange(5)
b_indexed = b[i]
print(np.shares_memory(b, b_indexed))  # 输出 False，说明是副本

也可以用id()辅助理解：id(a[:])和id(a)不同是因为视图是新的数组对象，但它的底层数据缓冲区和原数组共享；而b[i]的id()和b不同，且底层数据缓冲区完全独立，所以修改它不影响原数组。

内容的提问来源于stack exchange，提问作者Daniel Reese