python - `y = x` 和 `y = x[:]` 与 x numpy-ndarray 有什么区别？

Question

我在看 this问题，关于不可变的 numpy 数组，在对其中一个答案的评论中，有人表明给定的技巧在 y = x[:] 时不起作用。使用而不是 y = x .

>>> import numpy as np
>>> x = np.array([1])
>>> y = x
>>> x.flags.writeable = False
>>> y[0] = 5
Traceback (most recent call last):
  File "<pyshell#42>", line 1, in <module>
    y[0] = 5
ValueError: assignment destination is read-only
>>> del x, y
>>> x = np.array([1])
>>> y = x[:]
>>> x.flags.writeable = False
>>> y[0] = 5
>>> x
array([5])

(Python 3.7.2，numpy 1.16.2)
这两者之间甚至有什么区别，为什么在这种特定情况下它们的行为如此不同？
编辑: this不回答我的问题，因为它只询问使用列表的情况，我想知道为什么 numpy ndarray 显示这种特殊的行为，其中取决于复制修改数据的方法有时会，有时不会引发错误。

Answer 1

y = x只是添加对现有对象的另一个引用，这里没有复制。这只是将同一个对象的另一个名称添加到本地命名空间中，因此它的行为方式与 x 相同。 .y = x[:]创建 numpy 数组的浅拷贝。这是一个新的 Python 对象，但内存中的底层数组数据将是相同的。但是，这些标志现在是独立的:

>>> x = np.array([1])
>>> y = x[:]
>>> x.flags.owndata, y.flags.owndata
(True, False)

owndata标志显示 y只是查看 x 的数据.在 x 上设置可写标志不会改变 y的标志，所以 y仍然对 x 的数据持有可写 View .

>>> x.flags.writeable, y.flags.writeable
(True, True)
>>> x.flags.writeable = False
>>> x.flags.writeable, y.flags.writeable
(False, True)

请注意，如果您关闭 writeable复制前标记 x ，那么该副本也将取消设置可写标志，您将拥有一个只读浅拷贝。