意外行为

Question

当使用numpy的命名阵列我观察在以下两种情况下不同的行为：

1. 情况下：首先使用用于高级切片索引阵列，然后通过选择一个子阵列命名
2. 情况下：第一选择由名称的子阵列，然后使用先进的索引阵列切片

的follwing代码提出的实施例

import numpy as np 

a = np.ones(5) 
data = np.array(zip(a, a, a), dtype=[("x", float), ("y", float), ("z", float)]) 

# case 1 
# does not set elements 1, 3 and 4 of data to 22 
data[[1, 3, 4]]["y"] = 22  
print data["y"] # -> [ 1. 1. 1. 1. 1.] 

# case 2 
# set elements 1, 3 and 4 of data to 22 
data["y"][[1, 3, 4]] = 22 
print data["y"] # -> [ 1. 22. 1. 22. 22.] 

两个打印命令的输出是 [1.1.1.1.1]和[1.22.1 22. 22.]。为什么在设置元素时改变选择的顺序会导致不同的结果？

Answer 1

索引与列表或阵列always returns a copy rather than a view：

In [1]: np.may_share_memory(data, data[[1, 3, 4]]) 
Out[1]: False 

因此分配data[[1, 3, 4]]["y"] = 22被修改拷贝的data[[1, 3, 4]]，并且在data原始值不会受到影响。

在另一方面，参照结构化阵列returns a view的字段：

In [2]: np.may_share_memory(data, data["y"]) 
Out[2]: True 

所以分配给data["y"][[1, 3, 4]]将影响data的相应的元件。