一个numpy数组的视图是一个副本？

Question

如果更改numpy数组的视图，原始数组也会更改。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，如果我查看这样的视图并进行更改，那么原始数组不会更改：

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])

这对我来说意味着，当你看到一个视图时，你实际上得到了一个副本。它是否正确？这是为什么？

如果我使用数值索引的numpy数组而不是布尔值的numpy数组，则会出现相同的行为。 （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

basic slicing选择始终返回视图。按advanced indexing选择始终返回副本。 Selection by boolean mask是一种先进的形式 索引。 （另一种形式的高级索引是selection by integer array。）

但是，高级索引的赋值会影响原始数组。

所以

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

会影响arr，因为它是一项任务。相比之下，

mask_1_arr = arr[mask_1]

是通过布尔掩码选择的，因此mask_1_arr是arr的一部分的副本。 一旦你有副本，夹具就会启动。当Python执行时

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

该作业会影响mask_1_arr，但由于mask_1_arr是副本， 它对arr没有影响。

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

在幕后，arr[mask] = something会导致Python调用 arr.__setitem__(mask, something)。 ndarray.__setitem__方法是 实施以修改arr。毕竟，这是人们应该期待的自然事物 __setitem__要做。

相反，表达式arr[indexer]会导致Python调用 arr.__getitem__(indexer)。当indexer是一个切片时，它的规律性 元素允许NumPy返回一个视图（通过修改步幅和偏移量）。何时indexer 通常是一个任意的布尔掩码或任意整数数组 没有规律选择的元素，所以没有办法返回一个 视图。因此必须返回副本。