我试图理解为什么 ndarray 的平面迭代器会这样工作。假设A 是一个ndarray，形状为(N, N)，比如说。
A.flat[::N + 1] = 1
将A 的对角元素设置为值1。所以A.flat 以这种方式行动，就像A 上的视图一样。然而，令人惊讶的是，
A.flat[::N + 1][1:] = 1
不修改A（就像如果 A.flat 是一个视图那样）。
A.flat 是一个flatiter 对象，而不是A 的视图。这背后的原因是什么？是否可以将其实现为视图？
[据我了解，原始数组数据与有关该数据解释的信息分开存储——数组长度、数组尺寸、步幅、列顺序等。所以看起来扁平化可以通过设置适当的维度（和步幅，取决于列顺序）。]
【问题讨论】：
.flags。你可以看到第二个不拥有它自己的数据。
在 python 中，A[a][b] = B 大致翻译为：
tmp = A[a]
tmp[b] = B
这适用于python对象，即列表列表或dict列表，但对于numpy数组来说是有问题的。当A[a] 是A 的视图时，它适用于numpy 数组，但在A[a] 是副本时不起作用。 This page 将告诉您更多关于索引 numpy 数组何时返回视图以及何时返回副本的信息。我相信索引flat 属性总是返回一个副本。话虽如此，当您使用 numpy 数组时，我会避免在左侧使用两组 [] =。
更新： 您的问题的答案是“是否可以将 [平面属性] 实现为视图？”没有。 Numpy 数组支持任意步幅，并且对于许多步幅组合，不可能创建平面数组的一维视图。如果可能，ravel 方法将返回一个数组的视图。当无法将数组展平为视图时，它将返回一个副本。我想如果你确定你的数组可以用一个视图展平，你可以这样做：
A.ravel()[::N + 1][1:] = 1
【讨论】：