我有两个问题已经处理了两天：
如果我想用numpy方法.array为numpy对象确定对象和元素的内存地址，一旦使用普通python函数hex(id(，我就会得到不同的地址。使用hex(id(((会变得非常奇怪。有时元素得到相同的地址，有时得到不同的地址。
import numpy as np
y = np.array([0,1,2,3])
print(y.data)
print(y[0].data)
print(y[1].data)
print(y[2].data)
print(y[3].data)
print(hex(id(y[0])))
print(hex(id(y[1])))
print(hex(id(y[2])))
print(hex(id(y[3])))
结果是：
<memory at 0x7f9aaa22d870>
<memory at 0x7f9aaa1bd940>
<memory at 0x7f9aaa1bd940>
<memory at 0x7f9aaa1bd940>
<memory at 0x7f9aaa1bd940>
0x7f9aaa31e030
with hex((id))
0x7f9aaa1c0750
0x7f9aaa1c0730
0x7f9aaa1c0130
0x7f9aaa1c0750
这些结果中的大多数并不代表您的想法，因为NumPy内存布局的工作方式与您的想法不同。
NumPy数组对象不是其数据缓冲区。数据缓冲区是独立的。有了数组所需的所有元数据，数组就不可能真正成为其数据缓冲区，而NumPy大量使用数组视图，数组也不可能直接包含其缓冲区。许多阵列可以共享同一个数据缓冲区，或者具有重叠的数据缓冲区。
NumPy数组对象包含一些元数据和一些指针，其中一个指针指向其缓冲区。如果您执行了print(hex(id(y)))，那么您将获得数组对象本身的地址。使用print(y.data)，可以打印一个表示数组数据缓冲区的memoryview对象；在0x"给出缓冲区的地址。
当您执行y[0]时，它实际上不是一个数组元素。它是一个新的数组标量对象，表示一个不可变的标量，其值取自y的第一个索引。它不是直接引用用于y的第一个元素的内存，因为当有人执行时
x = y[0]
y[0] = 1
他们不希望CCD_ 6的分配影响CCD_。
数组标量有自己的地址和数据缓冲区，与数组标量本身分离。数组标量的生存期非常短，因此如果y[0]的生存期在检索y[1]之前结束，则y[0]和y[1]可能最终使用相同的内存。他们没有使用相同的内存，但他们可以。
当您执行print(hex(id(y[0])))时，您正在打印数组标量的地址。当您执行print(y[0].data)时，您正在打印一个表示数组标量的数据缓冲区的内存视图。
尽管如此，你对这些内存地址几乎没有任何用处，尤其是如果你没有写C扩展名的话。如果正在编写C扩展，那么您可能仍然不应该直接使用这些地址中的任何一个。Cython比直接编写C代码要方便得多。如果你真的想写C来与NumPy交互，你会想更深入地了解NumPy数组是如何在引擎盖下工作的，你应该去阅读NumPy C API文档。