哪些 numpy 操作是复制的，哪些是变异的？

是否有通用的经验法则来了解哪些操作numpy.ndarray产生一个copy哪些值会就地改变它们？

我对 numpy 还很陌生，我确信我最终会以艰难的方式学习，但我想知道是否存在驱动可变性的一般原则，可以帮助加快我的学习速度。

原地变异的函数

相对较少的 numpy 函数就地变异。在大多数情况下，numpy 函数在可以时返回数组视图，在不能时返回数组视图。

这是一份详尽的清单（来自the docs https://docs.scipy.org/doc/numpy-1.15.4/numpy-user-1.15.4.pdf) 就地变异的函数/方法：

• ndarray.resize
• ndarray.sort
• 所有就地二元运算符（例如+=, *=, ^=, etc)
• numpy.fill_diagonal
• numpy.random.shuffle
• ndarray.partition

这是可以选择就地变异的函数/方法的列表：

• ndarray.byteswap
• numpy.nan_to_num

某些赋值也会就地改变数组。您可以通过分配给切片来更改数组中的值（例如arr[...] = 1将数组中的每个值设置为1），并且您可以通过直接分配新形状来重塑数组.shape, eg arr.shape = (2,3)（并不总是有效，请参阅注释here https://docs.scipy.org/doc/numpy-1.15.1/reference/generated/numpy.reshape.html#numpy-reshape).

还有一些功能支持out关键字参数。如果您传递相同的数组作为输入和变量，这些函数将充当变异器out.

公平警告，我可能错过了文档中没有明确标记的一两个突变器。无论如何，这个列表很短，所以没有太多需要记住的东西。

关于查看与复制返回值的注释

过去几年 numpy 开发人员的目标之一似乎是让 numpy 函数和ndarray方法返回视图而不是副本。此时，可以相当安全地假设如果 numpy 函数/方法can返回一个视图，默认情况下会这样做。

例如，ndarray.flatten and ndarray.ravel做同样的事情（返回一个扁平数组）。但是，那文档用于ndarray.flatten https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.ndarray.flatten.html#numpy-ndarray-flatten明确表示它将返回一个副本，而文档用于ndarray.ravel https://docs.scipy.org/doc/numpy-1.15.1/reference/generated/numpy.ndarray.ravel.html#numpy-ndarray-ravel说只有在绝对必要时才会返回副本。

在实时代码中，根据经验，您始终可以通过比较操作来检查操作是否生成视图或副本id of the .base你的结果到id的原始数组。例如：

arr = np.array([[1, 2],
                [3, 4],
                [5, 6]])

arrflat = arr.flatten()
assert arrflat.base is not arr

arrravel = arr.ravel()
assert arrravel.base is arr