python - arr[range(3)] 与 arr[ :3] in numpy 的差异

Question

我有一个脚本简单的代码，所以我不知道为什么 numpy 中的元素不交换。
谢谢^^

import numpy as np

arr = np.arange(10)

a = arr[range(3)]
b = arr[:3]
c = arr[3:6]

# Can swap
arr[range(3)], arr[3:6] = arr[3:6],arr[range(3)] 

# Can't swap
arr[:3], arr[3:6] = arr[3:6],arr[:3]

Answer 1

numpy 中的基本切片是 浏览次数 部分数组，而高级索引创建 复制 数组的相关部分。
来自 documentation :

Advanced indexing always returns a copy of the data (contrast withbasic slicing that returns a view).

arr[range(3)]是高级索引的一个例子。如果您尝试分配给 a 的元素，您可以看到这一点。 :

>>> arr = np.arange(10)
>>> a = arr[range(3)]
>>> a[0] = 11
>>> a
array([11,  1,  2])
>>> arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

相比之下， arr[:3]是一个基本切片，并给出了数组的 View :

>>> arr = np.arange(10)
>>> b = arr[:3]
>>> b[0] = 11
>>> b
array([11,  1,  2])
>>> arr
array([11,  1,  2,  3,  4,  5,  6,  7,  8,  9])

尝试使用数组的两个 View 进行交换是行不通的，因为临时元组同样包含数组的两个 View 。您没有单独的数据临时副本，这是正确执行交换所需要的。
事实上，要正确执行交换，您不需要分配左侧的高级索引。仅在右侧执行此操作就足够了:

>>> arr = np.arange(10)
>>> arr[:3], arr[3:6] = arr[3:6],arr[range(3)] 
>>> arr
array([3, 4, 5, 0, 1, 2, 6, 7, 8, 9])

或者复制一份:

>>> arr = np.arange(10)
>>> arr[:3], arr[3:6] = arr[3:6],arr[:3].copy()
>>> arr
array([3, 4, 5, 0, 1, 2, 6, 7, 8, 9])