NumPy是Python中一种用于创建、操作多维数组的工具包，对于数据分析、机器学习等领域有着广泛的应用。在NumPy中，数组的复制和查看是非常重要的操作，因为它们能够决定数组数据的修改方式和存储方式。
复制操作
在NumPy数组中，有两种复制操作方式：浅复制和深复制。浅复制是指创建一个新的数组对象，但该数组和原始数组共享数据的存储空间。这意味着，如果修改了原始数组或其浅复制数组中的任何一个，那么另一个数组也会被修改。深复制则是创建一个完全独立的新数组对象，它拥有自己的数据存储空间，并且不与原始数组共享数据。
使用NumPy中的copy()方法可以轻松地进行数组的浅复制操作，示例代码如下：
import numpy as np
a = np.array([1, 2, 3])
# 这里进行浅复制操作
b = a.copy()
# 修改b的值
b[0] = 99
# 输出a和b
print(a)
print(b)
输出结果为：
[1 2 3]
[99 2 3]
可以看出，对于原始数组a进行了浅复制后，修改复制数组b的值并不会影响到原始数组a。这是因为两个数组拥有不同的存储空间。
使用NumPy中的deepcopy()方法可以进行数组的深复制操作，示例代码如下：
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
# 这里进行深复制操作
b = np.copy(a)
# 修改b的值
b[0][0] = 99
# 输出a和b
print(a)
print(b)
输出结果为：
[[1 2 3]
[4 5 6]]
[[99 2 3]
[ 4 5 6]]
可以看出，对于原始数组a进行了深复制后，修改复制数组b的值也不会影响到原始数组a。这是因为两个数组拥有不同的存储空间和数据。
查看操作
在NumPy数组中，查看操作是指创建一个新的数组视图，它与原始数组共享数据的存储空间，并且可以操作和修改原始数组的数据。因此，在查看操作中，若修改了新数组视图中的值，那么原始数组的数据也会被修改。
使用NumPy中的view()方法可以创建数组的新视图，示例代码如下：
import numpy as np
a = np.array([1, 2, 3])
b = a.view()
# 修改b的值
b[0] = 99
# 输出a和b
print(a)
print(b)
输出结果为：
[99 2 3]
[99 2 3]
可以看出，对于原始数组a进行了查看操作后，修改查看数组b的值也会影响到原始数组a。因为两个数组共享数据存储空间。
需要注意的是，当数组进行切片操作时也会进行查看操作，示例代码如下：
import numpy as np
a = np.array([1, 2, 3, 4])
b = a[1:3]
# 修改b的值
b[0] = 99
# 输出a和b
print(a)
print(b)
输出结果为：
[ 1 99 3 4]
[99 3]
与前面的示例类似，修改切片数组b的值也会影响到原始数组a。
总结来说，当需要对数组进行修改操作时，请谨慎使用NumPy的浅复制和查看操作，尽可能使用深复制操作来创建独立的数组对象。