关于ndarray的问题

import numpy as np
aa=np.array([1,2])
aa.data
Out[278]: <memory at 0x000001BED39961C0>
id(aa[0])
Out[279]: 1919105783888
id(aa[0])
Out[280]: 1919105781968
id(aa.data[0])
Out[281]: 140709382463232
id(aa.data[0])
Out[282]: 140709382463232
aa.__array_interface__['data'][0]
Out[283]: 1919049863168

我有3个问题：

aa.data的值 0x000001BED39961C0是数据所在内存地址吗？
为什么两次输出id(aa[0])的结果不一样，而同样两次输出id(aa.data[0])结果却是相同的？
id(aa.data[0])和aa.array_interface['data'][0]的值为什么不一样？

只有aa.data[0]列表本是是内存地址不会变，变得是内部元素的引用，修改其中某一项元素的值，或者添加几个元素，不会改变其本身的地址，只会改变其内部元素的地址引用，但是如果对其进行重新赋值操作时，就会给列表重新赋予一个地址，来覆盖之前的地址这时列表地址会发生改变。其余的变量只是保存了一个引用，并不是指值本身，变量的每一次初始化，都开辟了一个新的空间，将新内容的地址赋值给变量

我猜想，应该是每次调用aa.data或者 aa[0]的时候， np 都重新生成数据。
变量 aa入口是不变的。

1、aa.data的值 0x000001BED39961C0是数据所在内存地址
2、为什么数组元素的ID不断变化？在IPython中，每个用户输入都存储在历史记录中，在 print 之间创建对象，使得 aa[0] 对象不太可能放置在相同的内存地址。
也就是说，在IPython中一次执行两次打印时，两个对象的ID相同；但每次执行此操作时，ID不同，因为每次通过索引访问 ndarray 内部时，都会动态创建一个新的内存（缓冲区），所以两次输出id(aa[0])的结果不一样

https://stackoverflow.com/questions/66720113/how-does-memory-allocation-occur-in-numpy-array#
你看看这个，也许可能对你有帮助。


class Text:
    def __init__(self):
        pass


if __name__ == '__main__':
    a = Text()
    print(a)

python里面你可以理解为一切皆对象，你的第一串东西就是你的类(numpy的array)你也可以理解为一块缓存区，id的才是内存地址，python里面相同的值会共用同一块内存（除非你修改他，他才会出现开辟一块内存空间），具体的你可以去网上看看python的存储机制

第一个问题：准确来说是逻辑内存地址。
第二个问题：每次重新执行id(aa[0]），（你上次执行完，内存基本上已经被回收了，）所以每次执行结果（申请获取内存地址）是不一样的。具体你要看下numpy库的实现原理，内存是如何回收的。aa.data类似与在堆内存中常驻了，所以每次是一样的。
第三个问题：这两个怎么能够一样呢，肯定不一样啊，aa.array_interface['data'][0]这个就是数组元素的内存地址，又回归到第二个问题了。
题主遇到这种问题，建议看看源码。源码很清楚的，栈内存，堆内存建议好好看看