numpy数组视图的视图是副本吗？

Question

如果您更改 numpy 数组的视图，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，如果我查看这样的视图并对其进行更改，则原始数组不会更改：

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，当你查看一个视图时，你实际上会得到一个副本。它是否正确？这是为什么呢？

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

basic slicing 的选择总是返回一个视图。 advanced indexing 的选择总是返回一个副本。 Selection by boolean mask 是一种高级形式 索引。 （另一种高级索引形式是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

影响arr，因为它是一个赋值。相比之下，

mask_1_arr = arr[mask_1]

是通过布尔掩码选择的，所以mask_1_arr 是arr 的一部分的副本。 一旦你有一个副本，夹具就起来了。当 Python 执行时

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

赋值影响mask_1_arr，但由于mask_1_arr是一个副本， 它对arr 没有影响。

---

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

---

在后台，arr[mask] = something 导致 Python 调用 arr.__setitem__(mask, something)。 ndarray.__setitem__ 方法是 实施以修改arr。毕竟，这是自然而然的事情 __setitem__要做。

相反，作为表达式arr[indexer] 导致 Python 调用 arr.__getitem__(indexer)。当indexer 是一个切片时， 元素允许 NumPy 返回一个视图（通过修改步幅和偏移量）。当indexer 是任意布尔掩码或任意整数数组，一般有 所选元素没有规律性，因此无法返回 看法。因此必须返回一份副本。