有两个问题 - 您如何识别要比较的变量以及如何比较它们。
第一个。
我的版本（1.8.2）没有np.shares_memory函数。它有一个np.may_share_memory。
https://github.com/numpy/numpy/pull/6166是添加shares_memory的拉取请求;它是在去年八月注明的。所以你必须有全新的numpy来使用它。请注意，确定性测试可能很难，并且可能会作为“太难”错误消息发布。我想，例如有一些片共享内存，但很难通过比较缓冲区起点来识别。
https://github.com/numpy/numpy/blob/97c35365beda55c6dead8c50df785eb857f843f0/numpy/core/tests/test_mem_overlap.py是这些memory_overlap函数的单元测试。如果您想了解什么是令人畏惧的任务，那么请仔细考虑两个已知阵列之间的所有可能的重叠条件。
我喜欢看阵列的.__array_interface__。该字典中的一个项目是'数据'，它是指向数据缓冲区的指针。相同的指针意味着数据被共享。但一种观点可能会从某个地方开始。如果shares_memeory查看此指针，我不会感到惊讶。
相同id表示2个变量引用同一个对象，但不同的数组对象可以共享一个数据缓冲区。
所有这些测试需要寻找特定的参考;所以你仍然需要得到某种引用列表。看看locals() ?, globals()。那么未命名的引用如数组列表或某些用户定义的字典呢？
一个例子IPython中运行：
一些变量和引用：
In [1]: a=np.arange(10)
In [2]: b=a # reference
In [3]: c=a[:] # view
In [4]: d=a.copy() # copy
In [5]: e=a[2:] # another view
In [6]: ll=[a, a[:], a[3:], a[[1,2,3]]] # list
比较id：
In [7]: id(a)
Out[7]: 142453472
In [9]: id(b)
Out[9]: 142453472
别人的无共享id，除了ll[0]。
In [10]: np.may_share_memory(a,b)
Out[10]: True
In [11]: np.may_share_memory(a,c)
Out[11]: True
In [12]: np.may_share_memory(a,d)
Out[12]: False
In [13]: np.may_share_memory(a,e)
Out[13]: True
In [14]: np.may_share_memory(a,ll[3])
Out[14]: False
这就是我期望的;意见共享内存，副本不。
In [15]: a.__array_interface__
Out[15]:
{'version': 3,
'data': (143173312, False),
'typestr': '<i4',
'descr': [('', '<i4')],
'shape': (10,),
'strides': None}
In [16]: a.__array_interface__['data']
Out[16]: (143173312, False)
In [17]: b.__array_interface__['data']
Out[17]: (143173312, False)
In [18]: c.__array_interface__['data']
Out[18]: (143173312, False)
In [19]: d.__array_interface__['data']
Out[19]: (151258096, False) # copy - diff buffer
In [20]: e.__array_interface__['data']
Out[20]: (143173320, False) # differs by 8 bytes
In [21]: ll[1].__array_interface__['data']
Out[21]: (143173312, False) # same point
只是这短短的会议上，我甲肝在locals() 76项。但我可以搜索它匹配id与：
In [26]: [(k,v) for k,v in locals().items() if id(v)==id(a)]
Out[26]:
[('a', array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])),
('b', array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))]
其他测试相同。
我可以以同样的方式搜索ll：
In [28]: [n for n,l in enumerate(ll) if id(l)==id(a)]
Out[28]: [0]
而且我可以，如果一个项目是一个列表或字典，做内搜索的层添加到由测试locals()搜索。
所以，即使我们解决的测试方法，这是不平凡搜索所有可能的引用。
我认为最好的办法是只了解自己使用的变量，这样就可以清楚地标识引用，看法和副本。在选定的情况下，您可以执行测试，如may_share_memory或比较数据缓冲区。但是没有一个便宜的，明确的测试。如果有疑问，制作副本会更便宜，而不是冒险写一些东西。在我使用numpy年的时候，我从来没有觉得需要对这个问题给出明确的答案。
我没有找到OWNDATA标志非常有用。考虑上述变量
In [35]: a.flags['OWNDATA']
Out[35]: True
In [36]: b.flags['OWNDATA'] # ref
Out[36]: True
In [37]: c.flags['OWNDATA'] # view
Out[37]: False
In [38]: d.flags['OWNDATA'] # copy
Out[38]: True
In [39]: e.flags['OWNDATA'] # view
Out[39]: False
虽然我可以预测在这些简单的情况下，OWNDATA价值，它的价值不说太多关于共享内存或共享ID。 False表明它是从另一个数组创建的，因此可能共享内存。但这只是一个'可能'。
我经常创建通过变形的范围内的样品阵列。
In [40]: np.arange(3).flags['OWNDATA']
Out[40]: True
In [41]: np.arange(4).reshape(2,2).flags['OWNDATA']
Out[41]: False
显然没有其他的数据引用，但重构后的数组并不拥有自己的数据。同样的情况也与
temp = np.arange(4); temp = temp.reshape(2,2)
发生，我不得不做
temp = np.arange(4); temp.shape = (2,2)
保持OWNDATA真。假设OWNDATA表示创建新数组对象后的情况，但如果原始引用被重新定义或删除，则不会更改。它很容易过时。
你似乎对Python中的'='做了些什么不清楚。当你做'b = a'时，你没有两个数组。 [这里有一个快速指南，指出这个语言中'='的意思。]（http://nedbatchelder.com/text/names.html） – user2357112
感谢您的参考，但问题仍然存在：如何找到所有具有相同的变量IDS？ OWNDATA实际使用的是什么？ – Cleb
一次只有一个对象具有给定的ID。 – user2357112