好吧，看来我发现了视图决策背后的很多原因，都是从http://mail.python.org/pipermail/python-3000/2006-August/003224.html开头的线程开始的（主要是切片字符串）
，但该线程中至少有一封电子邮件提到了可变对象（如列表），还包括以下内容：
http://mail.python.org/pipermail/python-3000/2007-February/005739.htmlhttp://mail.python.org/pipermail/python-
dev/2008-May/079692.html及以下e-线程中的邮件
看起来，为基本的Python切换到这种样式的优势将因所带来的复杂性和各种不良边缘情况而大大超过。那好吧。
......当我再开始想知道刚刚替换当前道路的可能性，
slice目的是通过与迭代形式的工作一拉
itertools.islice，就如同
zip，
map等一切回归iterables，而不是在Python
3列出，我开始意识到一切意外的行为和可能产生的问题。目前看来，这可能是一个死胡同。
从正面来看，numpy的数组相当灵活，因此在可能需要这种事情的情况下，使用一维ndarray而不是列表并不难。但是，似乎ndarrays不支持使用切片在数组中插入其他项，就像Python列表一样：
>>> a = [0, 0]>>> a[:1] = [2, 3]>>> a[2, 3, 0]
我认为numpy等效项将是这样的：
>>> a = np.array([0, 0]) # or a = np.zeros([2]), but that's not important here>>> a = np.hstack(([2, 3], a[1:]))>>> aarray([2, 3, 0])
稍微复杂一点的情况：
>>> a = [1, 2, 3, 4]>>> a[1:3] = [0, 0, 0]>>> a[1, 0, 0, 0, 4]
与
>>> a = np.array([1, 2, 3, 4])>>> a = np.hstack((a[:1], [0, 0, 0], a[3:]))>>> aarray([1, 0, 0, 0, 4])
而且，当然，上述numpy示例不会像常规Python列表扩展那样将结果存储在原始数组中。
