子数组通过单个替换影响主数组，但矢量化时不影响主数组

Question

为什么子数组通过个别替换影响主数组，而矢量化时不影响主数组？你知道吗

例如，如果代码是：

import numpy as np

Z =np.array( 
    [[0,4,0,0,0,0],
     [0,0,0,1,0,0],
     [0,1,0,1,0,0],
     [0,0,1,1,0,0],
     [0,0,0,0,0,0],
     [0,0,0,0,0,0]])
print Z

X= Z[1:4,0:3]
X[0][0]=9
print X
print Z  #<=== X affects Z
X=X*3+1
print X
print Z  #<=== X do not affect Z

Answer 1

X = X * 3 + 1不会修改原始数组，因为它不会就地修改X。你知道吗

想象一下：

Y = X * 3 + 1

你不会认为这会改变原来的数组吧？X = X * 3 + 1是同一种表达式。它不会改变X本身，它只是将局部变量X的值更改为一个全新的数组。你知道吗

如果要修改原始阵列，可以执行以下操作：

X *= 3
X += 1

这将在X的内部操作，因此会改变Z。你知道吗

Answer 2

正如Ashwini Chaudhary提到的，切片Numpy数组返回原始数组的视图，但是当您运行X=X*3+1时，X不再是Z的视图，X的引用被更改，因此即使之后运行X*=3也不会更改Z

Answer 3

这是因为切片Numpy数组会返回原始数组的视图，因此修改它也会影响原始数组。你知道吗

从docs：

All arrays generated by basic slicing are always views of the original array.