Python 3.14 下 ndarray.resize 报被其他对象引用，怎样安全缩小数组

升级到 Python 3.14 后，一段没有显式切片的 NumPy 代码也可能报：

ValueError: cannot resize an array that references or is referenced
by another array in this way.

把相同数组定义移进函数，有时又能通过；经过 Cython 的调用仍可能失败。这类差异与 ndarray.resize() 对引用的检查有关，不能仅凭报错认定一定泄漏了一个视图。

明确出现过的组合是 Python 3.14.3 与 NumPy 2.4.3。可核对的 NumPy 2.5.4 实现仍保留 Python 3.14 的唯一引用检查，并为部分情况提供可能误判的错误说明。升级后提示更清楚，不等于原地 resize 在所有调用位置都会恢复旧行为。

它要改的是同一个数组的存储

a.resize(...) 会在原对象上调整形状，必要时重新分配数据内存。若其他视图、扩展模块或原生指针仍依赖旧存储，随意移动它会破坏这些使用者。因此该方法默认检查引用，而且还要求满足内存连续、拥有数据等前提。

Python 3.14 的局部变量引用处理发生变化，NumPy 不能只靠旧的引用计数阈值，在 Python、Cython 和 C 调用之间可靠地区分所有情况。同一段代码在模块顶层与函数内部表现不同，不表示把它包一层函数就是稳定修复；把全局数组放进函数里调用，也不等同于在函数中创建数组。

先检查 a.flags.owndata、a.flags.c_contiguous、a.flags.f_contiguous 和 a.base，再查是否把数组或它的视图交给了其他对象。base is None 有帮助，但不能证明 C 扩展没有保存裸指针。

只想保留有效前缀时，切片后复制更明确

常见需求是先按上限分配一维缓冲区，由 C 或 Fortran 填入若干项，再保留前 used 项。原生调用已完成、也不会继续使用旧指针后，可以生成独立结果：

import numpy as np

buffer = np.array([10.0, 20.0, 30.0, 0.0, 0.0])
used = 3  # 示例：原生计算返回的有效元素数

if not 0 <= used <= buffer.size:
    raise ValueError("invalid number of filled elements")

result = buffer[:used].copy()

result 应包含前三项，并拥有自己的数据存储。只有 buffer[:used] 而没有 .copy() 时，切片通常仍引用原来的大缓冲区，不能实现释放多余存储的目的。旧缓冲区还有其他引用时，它也不会因为生成了新结果就立刻释放。

多维数组要先明确保留顺序。把 2 × 2 数组 resize 成 2 × 1，保留的是按内存布局取出的元素，未必等于“取第一列”。处理网格、坐标或矩阵时，先定义业务要保留哪些行列，再切片复制，不能只让新 shape 对上。

refcheck=False 需要证明没有其他使用者

a.resize(new_shape, refcheck=False) 会关闭这项引用检查。只有确认所有旧视图和原生指针都已结束使用，且其余 resize 前提满足时，才适合考虑它。不能因为“函数里没写第二个变量”就认定安全；异步原生任务或 Cython 保存的引用也要纳入生命周期。

np.resize(a, shape) 返回新数组，并且扩大时会重复原数据；a.resize(shape) 扩大后的填充值规则不同。两者不能只按错误消息中的名字互换。只是改变形状且元素总数不变时，可评估 reshape()，但它也不能用于凭空减少或增加元素。

选择复制方案后，核对元素顺序、dtype、有效计数为零和达到上限的情况，并确认原生代码不再访问已释放的缓冲区。如果复制成本不能接受，先重新设计缓冲区所有权或有效长度接口，再决定是否继续原地修改。