Почему мне явно нужно .copy() массив/список numpy?

Почему мне нужно .copy() массив numpy (или список, хотя у них нет .copy(), но это хороший минимальный пример), когда я хочу получить его независимую копию, в то время как мне не нужно делать это с переменная? В чем причина такого поведения?

Например. установка a = 1 и b = a, а затем установка b = 2 не меняет a, тогда как a=([0]), b = a и b[0]=1 также изменяет a.

Изменить:

Похоже, что это очень распространенная проблема/вопрос, который можно задать по-разному, поэтому я не смог его найти. Для быстрого "Мне просто нужно понять, что происходит, чтобы двигаться дальше" я думаю, что ответ (и ответы на другие такие же/похожие вопросы) достаточно хорош. Для лучшего понимания я думаю, что эта ссылка, предоставленная @chthonicdaemon в комментариях, кажется хорошим началом точка для меня.

длинный фон

Во многих ситуациях мне приходится создавать массив numpy с некоторыми начальными значениями, который затем заполняется другими значениями во время работы моей программы. т.е.

logger = np.zeros(5)
#various things happen
logger[0] = 1
#more stuff happens
logger[3] = 1

вы поняли идею.

Но часто желательно сохранить базовый массив, чтобы иметь возможность сравнивать с ним результаты, поэтому я просто сначала настраиваю базу, а потом делаю из нее копии. Поэтому я ожидаю, что я просто мог бы настроить это так:

base = np.zeros(5)
logger = base
logger[0] = 1

чтобы

In [1]:base
Out[1]:array([ 0.,  0.,  0.,  0.,  0.])
In [2]:logger
Out[2]:array([ 1.,  0.,  0.,  0.,  0.])

Однако с приведенным выше массивом они остаются «подключенными», так что я получаю

In [1]:base
Out[1]:array([ 1.,  0.,  0.,  0.,  0.])

Я могу исправить это, явно используя

logger = base.copy()

но мне интересно, почему я должен.