Python list与NumPy数组切片行为差异解析

阿麦

发布时间：2026-10-13 | 2人浏览过

原创

本文深入解析Python原生列表与NumPy数组在切片操作上的核心差异。通过实例代码展示，Python list切片生成独立副本，修改切片不影响原数据；而NumPy ndarray切片默认返回原数据的视图，修改切片会同步改变原数组。文章还介绍了使用copy()方法获取NumPy切片副本的技巧，帮助开发者避免意外数据修改。

深入解析Python原生列表（list）与NumPy数组（ndarray）在切片操作机制上的关键区别。理解这一差异对于避免数据意外修改至关重要，特别是在处理大规模数值计算时。

具体实现代码如下：

# list 切片返回的是不原数据，对新数据的修改不会影响原数据
In [45]: list1 = [1, 2, 3, 4, 5] 

In [46]: list2 = list1[:3]

In [47]: list2
Out[47]: [1, 2, 3]

In [49]: list2[1] = 1999

# 原数据没变
In [50]: list1
Out[50]: [1, 2, 3, 4, 5]

In [51]: list2
Out[51]: [1, 1999, 3]



# 而 NumPy.ndarry 的切片返回的是原数据
In [52]: arr = np.array([1, 2, 3, 4, 5])

In [53]: arr
Out[53]: array([1, 2, 3, 4, 5])

In [54]: arr1 = arr[:3]

In [55]: arr1
Out[55]: array([1, 2, 3])

In [56]: arr1[0] = 989

In [57]: arr1
Out[57]: array([989,  2,  3])

# 修改了原数据
In [58]: arr
Out[58]: array([989,  2,  3,  4,  5])

# 若希望得到原数据的副本， 可以用 copy()
In [59]: arr2 = arr[:3].copy()

In [60]: arr2
Out[60]: array([989,  2,  3])

In [61]: arr2[1] = 99282

In [62]: arr2
Out[62]: array([ 989, 99282,   3])

# 原数据没被修改
In [63]: arr
Out[63]: array([989,  2,  3,  4,  5])

以上是对Python list与NumPy ndarray切片区别的详细解析。如果您在使用过程中有任何疑问，欢迎在评论区留言或访问本站社区交流。感谢阅读，希望本文能为您提供帮助，也感谢大家对本站的支持！