假设我有两个numpy数组a和b，我知道以下情况属实：
a.size == b.size a.shape != b.shape b.reshape(a.shape)和b.ravel()将导致创建副本/中间件a.reshape(b.shape)和a.ravel()可能会导致创建副本/中间件a和b是巨大的（可能是4 + GiB）如何将数据从b复制到a，同时重塑数据而不创建中间数？
以下是我尝试但由于某种原因无效的方法：
a[:] = b - ValueError: could not broadcast input array ... np.copyto(a, b) - ValueError: could not broadcast input array ... a[:] = b.reshape(a.shape) - 创建中间np.copyto(a, b.reshape(a.shape)) - 创建中间np.place(a, np.ones(a.shape), b.ravel()) - 创建中间数并分配另一个数组np.put(a, np.arange(a.size), b) - 分配另一个数组，非常慢（比＃4慢3.4倍）a[:] = b.flat - ValueError: could not broadcast input array ... a.flat = b.flat - 慢（比＃4慢2.1倍）a.flat = b - slow-ish（比＃4慢1.1倍）我真正希望的是ndarray.reshape(...)有一个输出参数！从我对np.copyto(a, b.reshape(a.shape))的测试中，中间到a的连续副本需要1/3的时间，而重塑需要2/3的时间（非连续副本），这意味着副本应该只能使用2/3的时间，也不能使用任何额外的内存。
展望Numpy的内容，有一个函数PyArray_AssignArray（由PyArray_NewCopy使用，PyArray_NewShape使用reshape内部使用的函数。但是，此函数未在Array API中记录，并且可能无法完全处理不同的形状，因为评论中的另一种方法称为“尚未实现”，称为PyArray_AssignArrayAsFlat。