¿Puedo hacer que un arreglo Numpy sea inmutable?

Esta publicación https://stackoverflow.com/a/5541452/6394617

sugiere una forma de hacer que un arreglo de Numpy sea inmutable, utilizando .flags.writeable = False

Sin embargo, cuando pruebo esto:

arr = np.arange(20).reshape((4,5))
arr.flags.writeable = False
arr

for i in range(5):
    np.random.shuffle(arr[:,i])

arr

El arreglo se reordena en su lugar, sin siquiera una advertencia.

PREGUNTA: ¿Existe alguna forma de hacer que el arreglo sea inmutable?

CONTEXTO:

Para dar contexto, estoy haciendo aprendizaje automático y tengo arreglos de características, X, que son de tipo float, y arreglos de etiquetas, y, que son de tipo int.

Soy nuevo en Scikit-learn, pero por lo que he leído, parece ser que los métodos de ajuste (fit) reordenan los arreglos en su lugar. Dicho esto, cuando creé dos arreglos, ajusté un modelo a los datos e inspeccioné los arreglos posteriormente, estaban en el orden original. Así que simplemente no estoy familiarizado con cómo Scikit-learn realiza la reordenación y aún no he encontrado una explicación sencilla en línea al respecto.

Estoy usando muchos modelos diferentes y realizando cierta preprocesamiento entre ellos, y me preocupa que en algún momento mis dos arreglos puedan reordenarse de manera que las filas ya no correspondan adecuadamente.

Me daría tranquilidad si pudiera hacer que los arreglos sean inmutables. Estoy seguro de que podría cambiar a tuplas en lugar de arreglos de Numpy, pero sospecho que eso sería más complicado de programar y más lento.