您甚至不需要函数调用就可以看到这种差异。

x 是一个数组：

In [138]: type(x)
Out[138]: numpy.ndarray

索引数组中的元素将返回一个 np.float64 对象。它实际上将数组中的值“取出来”；它不是对数组元素的引用。

In [140]: y=x[0]
In [141]: type(y)
Out[141]: numpy.float64

这个 y 很像蟒蛇浮子；您可以用同样的方式进行 += ：

In [142]: y += 1
In [143]: y
Out[143]: 1.0

但是这不会改变 x

In [144]: x
Out[144]: array([0.])

但这确实改变了 x

In [145]: x[0] += 1
In [146]: x
Out[146]: array([1.])

y=x[0] 进行 x.__getitem__ 调用。 x[0]=3 进行 x.__setitem__ 调用。 += 使用 __iadd__ ，但实际上类似。

另一个例子是：

改变 x

In [149]: x[0] = 3
In [150]: x
Out[150]: array([3.])

但是，对 y 做同样的尝试失败了：

In [151]: y[()] = 3
Traceback (most recent call last):
  File "<ipython-input-151-153d89268cbc>", line 1, in <module>
    y[()] = 3
TypeError: 'numpy.float64' object does not support item assignment

但 y[()] 是允许的。

对带有片的数组进行 basic 索引确实会产生一个可以修改的 view ：

In [154]: x = np.zeros(5)
In [155]: x
Out[155]: array([0., 0., 0., 0., 0.])
In [156]: y= x[0:2]
In [157]: type(y)
Out[157]: numpy.ndarray
In [158]: y += 1
In [159]: y
Out[159]: array([1., 1.])
In [160]: x
Out[160]: array([1., 1., 0., 0., 0.])

===

Python和切取 x[0]+=1 类型操作的示例：

In [405]: alist = [1,2,3]
In [406]: alist[1]+=12