先ずはいつものとおり，numpyをインポートして乱数のnumpy配列を作成します．
>>> x = np.random.randn(5)
>>> x
array([ 0.60128361, 0.24738796, -0.8625321 , -0.04678481, -1.67326829])今回は5次元として，こんな値が入りました．
データサイエンスでよく使うものとして，ソート機能があります．
これは非常に単純で，sort()関数で出来るんですが，配列の値をソート後のものに書き換えちゃうので，一時的にソートしたいだけ（つまり，ソート前の配列の並びをそのまま残しておきたい）場合もあります．
そこで，下記のようにやってみました．
>>> y = x
>>> y.sort()
>>> y
array([-1.67326829, -0.8625321 , -0.04678481, 0.24738796, 0.60128361])つまり，別の変数yに一旦コピーして，コピーした変数yをソートすることにしました．xはソート前のまま残しておきたかったからです．
その結果，yの値には小さい値から順に並び替わってます．
で，問題はこの後です．これが今回の本題ですが，元の変数xの値をみると
>>> x
array([-1.67326829, -0.8625321 , -0.04678481, 0.24738796, 0.60128361])あれ？ソート後のyの値と同じになってます．つまり，yがソートされると，それに連動してxもソートされてしまったという現象が．
これ，参照渡しとコピーの違いらしいですが，なんとも紛らわしくてPythonの嫌なところです．C言語だとポインタを明示的に使うので一眼で分かるけど．
細かい理屈は他のサイトに譲るとして（自分もあまり詳しく理解してない💦），要は「別の変数としてyを定義し，そこへxの値をコピーする（退避させる）場合」は，y=xではダメで下記のように書くらしいです．
>>> y = x.copy()単にy=xと書けば，xの値が保存されている場所をyにコピーする（参照渡し）．
つまりyとxは同じ場所を示すようです．なので，xの値が変更されたら，yの値も変更になったように見える．
numpy配列をコピーする場合は参照渡しに気をつけろ！とピーンと気づかないとダメなようです．
それでは，最初からプログラムを示します．
>>> import numpy as np
>>> x = np.random.randn(5)
>>> y = x
>>> x
array([-2.01555966, -1.65176538, -1.3716272 , -1.05239708, -0.11177732])
>>> y
array([-2.01555966, -1.65176538, -1.3716272 , -1.05239708, -0.11177732])
>>> x.sort() #xだけソート
>>> x
array([-2.01555966, -1.65176538, -1.3716272 , -1.05239708, -0.11177732])
>>> y
array([-2.01555966, -1.65176538, -1.3716272 , -1.05239708, -0.11177732]) #yも連動してソートされている
>>>
>>> x = np.random.randn(5) #もう一度やり直し
>>> x
array([-1.99225332, 0.80321978, 0.27801504, 0.07454439, 1.21747589])
>>> y = x.copy() #今度はコピー
>>> y
array([-1.99225332, 0.80321978, 0.27801504, 0.07454439, 1.21747589]) #xと同じ値
>>> x.sort()
>>> x
array([-1.99225332, 0.07454439, 0.27801504, 0.80321978, 1.21747589]) #xはソートされる
>>> y
array([-1.99225332, 0.80321978, 0.27801504, 0.07454439, 1.21747589]) #yは最初の値のまま変更なし実はnumpy配列は「参照渡し」と「（深い）コピー」だけ区別すればいいのですが，普通のリストだとこの2つ以外に「浅いコピー」というのもあるようです．なんだかややこしいなぁ．
普通のリストを使う場面が来たら，また勉強して記事にします．
まとめ
numpy配列xの値を別の変数yに退避させるときは，y=xでなく，y=x.copy()と記述すること．