numpy陷阱之fancy indexing生成copy

numpy在用python传统的slicing做index，和其自定义的numpy.array/list做index时的表现不同，非常坑人。。。
翻译自此文档：https://scipy-cookbook.readthedocs.io/items/ViewsVsCopies.html

1. 什么是fancy index：详见numpy文档 。简单的说，除了传统的slicing（即start:end:step），只有可解释为slicing的tuple（如a[(1,2)] == a[1,2] in numpy） 不是fancy index。tuple的例子还有a[(1:-1,2)]和a[(1, Ellipsis, 1)] == a[1,...,1]不是fancy index，而a[(1,2),]则是fancy index了（因为无法解释为传统slicing）。
2. fancy index和传统index的输出大不同：fancy index输出的是copy，而传统index输出的是view。还需声明的是，此不同仅存在在__getattr__()中，__setattr__()不需要生成view/copy，故不存在此区别
   下面是一个著名的例子：

>> a = numpy.arange(12).reshape(3,4)
>>> ifancy = [0,2]
>>> islice = slice(0,3,2)
>>> a[islice, :][:, ifancy] = 100
>>> a
array([[100,   1, 100,   3],
       [  4,   5,   6,   7],
       [100,   9, 100,  11]])

>>> a = numpy.arange(12).reshape(3,4)
>>> ifancy = [0,2]
>>> islice = slice(0,3,2)
>>> a[ifancy, :][:, islice] = 100  # note that ifancy and islice are interchanged here
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

3. view和copy的区别：网上资料很多，简单地说就是view是share memory即data的；而copy是不share的，完全独立于原始数据的。