无拷贝
赋值操作不会发生拷贝，2个引用指向同一个内存地址
import numpy as np
arr=np.array([0,1,3])
arr2=arr
print(id(arr))
print(id(arr2))
执行结果：
4495591744
4495591744
说明内存地址一样，没有发生拷贝
视图（浅拷贝）
调用view()，或 numpy的slice（切片）操作，会copy父对象，不会copy底层的数据。
如果在view上修改数据，会直接反馈到原对象，修改view的形状，则不会影响原对象
import numpy as np
arr=np.array([0,1,3])
# 切片
arr3=arr[:]
# 下面代码效果相同
# arr3=arr.view()
print(id(arr))
print(id(arr3))
执行结果：
4495591744
4495806256
可知，内存地址不一样
修改arr3的值，也会影响arr的值
arr3[0]=100
print(arr)
print(arr3)
执行结果：
[100 1 3]
[100 1 3]
修改arr3的形状，则不会影响arr
arr3.shape = 1,3
print(arr)
print(arr3)
执行结果：
[100 1 3]
[[100 1 3]]
深拷贝
对原数组对象及其子数组对象都进行copy一份，对新生成的数组对象进行 修改删除 操作不会影响到原对象。
import numpy as np
arr=np.array([0,1,3])
# 深拷贝
arr4=arr.copy()
print(id(arr))
print(id(arr4))
执行结果：
4618212256
4618212496
修改arr4的值，不会影响原数组
arr4[0]=100
print(arr)
print(arr4)
执行结果：
[0 1 3]
[100 1 3]