numpy数组视图视图是副本？

Question

如果更改了numpy数组视图，原始数组也会被更改。这是预期的行为。

arr = np.array([1,2,3]) 
mask = np.array([True, False, False]) 
arr[mask] = 0 
arr 
# Out: array([0, 2, 3]) 

但是，如果我采取这样的视点的视点，并更改，那么原来的数组是不改变：

arr = np.array([1,2,3]) 
mask_1 = np.array([True, False, False]) 
mask_1_arr = arr[mask_1] # Becomes: array([1]) 
mask_2 = np.array([True]) 
mask_1_arr[mask_2] = 0 
arr 
# Out: array([1, 2, 3]) 

这意味着，我认为，当你把一个一个视图的观点，你实际上得到一份副本。它是否正确？为什么是这样？

如果我使用数字索引的numpy数组而不是布尔值的numpy数组，则会发生相同的行为。 （例如，arr[np.array([0])][np.array([0])] = 0不会将arr的第一个元素更改为0.）

Answer 1

通过basic slicing的选择总是返回一个视图。通过advanced indexing的选择总是返回一份副本。 Selection by boolean mask是一种先进的 索引。 （其他形式的高级索引是selection by integer array）。

但是，赋值通过高级索引影响原始数组。

所以

mask = np.array([True, False, False]) 
arr[mask] = 0 

影响arr因为它是一个任务。与此相反，

mask_1_arr = arr[mask_1] 

是选择由布尔掩码，所以mask_1_arr是的arr一部分的副本。 一旦你有一份副本，夹具就起来了。当Python执行

mask_2 = np.array([True]) 
mask_1_arr[mask_2] = 0 

分配影响mask_1_arr，但由于mask_1_arr是一个副本， 这对arr没有影响。

---

|   | basic slicing | advanced indexing | 
|------------+------------------+-------------------| 
| selection | view    | copy    | 
| assignment | affects original | affects original | 

---

引擎盖下，arr[mask] = something导致Python来调用 arr.__setitem__(mask, something)。 ndarray.__setitem__方法是 实施修改arr。毕竟，这是人们应该期望的自然事情 __setitem__要做。

相反，如表达式arr[indexer]导致Python致电 arr.__getitem__(indexer)。当indexer是切片时， 元素的规则允许NumPy返回视图（通过修改步幅和偏移量）。当indexer 是一个任意布尔掩码或任意整数数组时，通常 对所选元素没有规律性，因此无法返回 视图。因此必须返回一份副本。