Python - NumPy一维数组的切片

NumPy中对于一维数组的切片处理，跟list的操作感觉差不多：

In [1]: import numpy as np

In [2]: arr1 = np.arange(10)

In [3]: arr1
Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [4]: arr2 = arr1[:3]

In [5]: arr2
Out[5]: array([0, 1, 2])

但是，接下来就不同了，在list里，我们知道切片操作就相当于创建了一个副本，最这个副本的操作是不会影响原来的列表的，但是NumPy中显然不是：

In [6]: arr2[0] = 100

In [7]: arr2
Out[7]: array([100,   1,   2])

In [8]: arr1
Out[8]: array([100,   1,   2,   3,   4,   5,   6,   7,   8,   9])

从这里可以看到，对arr2中进行重新赋值，结果原来的arr1也改变了，原因在于在NumPy中，将一个标量值赋给一个切片时，会自动传播到整个选区，也就是“广播”的概念，也就是对切片的所有操作，都会直接显示在最初的数组上。
NumPy这么设置是因为NumPy处理的对象是大数据，对于经常的复制操作来说，大量的数据显然会大大降低性能，
当然，如果想要像之前一样获得一个副本，可以显式地复制：

In [9]: arr3 = arr1[2:4].copy()

In [10]: arr3
Out[10]: array([2, 3])

In [11]: arr3[0] = 11111

In [12]: arr3
Out[12]: array([11111,     3])

In [13]: arr1
Out[13]: array([100,   1,   2,   3,   4,   5,   6,   7,   8,   9])

以上~