numpy 中的数组切片

今天我使用numpy数组进行一些计算，发现一个奇怪的问题，例如，假设我已经在Ipython中导入了numpy.arange，并且我运行了一些脚本，如下所示：

In [5]: foo = arange(10)                                                      

In [8]: foo1 = foo[arange(3)]                                                 

In [11]: foo1[:] = 0                                                          

In [12]: foo
Out[12]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [16]: foo2 = foo[0:3]                                                      

In [19]: foo2[:]=0                                                            

In [21]: foo
Out[21]: array([0, 0, 0, 3, 4, 5, 6, 7, 8, 9])

上面显示，当我按 foo[arange(3)] 切片数组时，我得到了数组切片的副本，但是当我按 foo[0:3] 切片数组时，我得到了数组切片的引用，因此foo 随 foo2 改变。然后我认为 foo 和 foo2 应该有相同的 id，但这似乎不是真的

In [59]: id(foo)
Out[59]: 27502608

In [60]: id(foo2)
Out[60]: 28866880

In [61]: id(foo[0])
Out[61]: 38796768

In [62]: id(foo2[0])
Out[62]: 38813248

...

更奇怪的是，如果我不断检查 foo 和 foo2 的 id，它们不是恒定的，有时，它们确实相互匹配！

In [65]: id(foo2[0])
Out[65]: 38928592

In [66]: id(foo[0])                                                          
Out[66]: 37111504

In [67]: id(foo[0])
Out[67]: 38928592

谁能解释一下吗？我对python的这个动态特性真的很困惑

多谢

foo[arange(3)]

不是切片。的要素arange(3)用于选择元素foo构造一个新数组。由于这无法有效地返回视图（视图的每个元素都必须是独立的引用，并且视图上的操作需要遵循太多的指针），因此它返回一个新数组。

foo[0:3]

是一个切片。这可以作为视图有效地完成；它只需要调整一些边界。因此，它返回一个视图。

id(foo[0])

foo[0]不引用特定的 Python 对象。为每个数组元素保留单独的 Python 对象成本太高，从而抵消了 numpy 的大部分优势。相反，当对 numpy ndarray 执行索引操作时，numpy 会构造一个新对象来返回。每次您都会获得具有不同 ID 的不同对象。