结合切片和高级索引时，Numpy 是否返回视图或复制？

Question

以下片段：

import numpy as np

x = np.arange(25).reshape(5, 5)
print(x.base)
y = x[:2, [0, 2]]
print(y.base)

输出

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
 24]
[[0 5]
 [2 7]]

从docs我无法理解

y

是否应该查看或复制。知道为什么

y

是一个视图以及为什么它的基础与

x

不同吗？

另一个例子：

>>> import numpy as np
>>> x = np.arange(25).reshape(5, 5)
>>> x[:2, [0,2]].base
array([[0, 5],
       [2, 7]])
>>> x[[0,2], :2].base
>>> 

此行为是否已在任何地方记录下来，以便用户可以预测混合（高级+基本索引）操作的输出是视图还是副本？

Answer 1

索引返回一个副本，而不是视图（请参阅：我可以在指定索引处获取 numpy 数组的视图吗？（来自“花式索引”的视图））。这就是为什么

.base

给出不同的输出

Answer 2

来自文档：ndarray.base

如果内存来自其他对象，则为基础对象。

逐步构建数组

>>> xbase = np.arange(25)
>>> xbase.base is None
True
>>>
>>> x = xbase.reshape(5,5)
>>> x.base is xbase
True

reshape()

返回一个视图，因此修改

x

或其切片也会改变

xbase

>>> x2 = x[2:]
>>> x2.base is xbase
True
>>> x2[-1][0] = 7777
>>> xbase
array([   0,    1,    2,    3,    4,    5,    6,    7,    8,    9,   10,
         11,   12,   13,   14,   15,   16,   17,   18,   19, 7777,   21,
         22,   23,   24])

高级索引返回副本

高级索引始终返回数据的副本（与返回视图的基本切片相比）。

>>> y = x[:2, [0, 2]]
>>> y.base is xbase
False
>>> x2[-1][0] = 7777
>>> y[0][0] = 9999
>>> xbase
array([   0,    1,    2,    3,    4,    5,    6,    7,    8,    9,   10,
         11,   12,   13,   14,   15,   16,   17,   18,   19, 7777,   21,
         22,   23,   24])

xbase

在

y

更改后保持不变。

最后：

• y

  不是另一个对象的视图，其基础与源对象不同。

有趣的是

y.base

不是“无”，任何更改都会反映在其基础中

>>> y.base is None
False
>>> y.base
array([[0, 5],
       [2, 7]])

>>> y[0][0] = 9999
>>> y
array([[9999,    2],
       [   5,    7]])
>>> y.base
array([[9999,    5],
       [   2,    7]])