NumPy 副本和視圖

副本是一個數據的完整的拷貝，如果我們對副本進行修改，它不會影響到原始數據，物理內存不在同一位置。

視圖是數據的一個別稱或引用，通過該別稱或引用亦便可訪問、操作原有數據，但原有數據不會產生拷貝。如果我們對視圖進行修改，它會影響到原始數據，物理內存在同一位置。

視圖一般發生在：

• 1、numpy 的切片操作返回原數據的視圖。
• 2、調用 ndarray 的 view() 函數產生一個視圖。

副本一般發生在：

• Python 序列的切片操作，調用deepCopy()函數。
• 調用 ndarray 的 copy() 函數產生一個副本。

無復製

簡單的賦值不會創建數組對象的副本。 相反，它使用原始數組的相同id()來訪問它。 id()返回 Python 對象的通用標識符，類似於 C 中的指針。

此外，一個數組的任何變化都反映在另一個數組上。 例如，一個數組的形狀改變也會改變另一個數組的形狀。

輸出結果為：

我們的數組是：
[0 1 2 3 4 5]
調用 id() 函數：
4349302224
a 賦值給 b：
[0 1 2 3 4 5]
b 擁有相同 id()：
4349302224
修改 b 的形狀：
[[0 1]
 [2 3]
 [4 5]]
a 的形狀也修改了：
[[0 1]
 [2 3]
 [4 5]]

視圖或淺拷貝

ndarray.view() 方會創建一個新的數組對象，該方法創建的新數組的維數更改不會更改原始數據的維數。

輸出結果為：

數組 a：
[[0 1]
 [2 3]
 [4 5]]
創建 a 的視圖：
[[0 1]
 [2 3]
 [4 5]]
兩個數組的 id() 不同：
a 的 id()：
4314786992
b 的 id()：
4315171296
b 的形狀：
[[0 1 2]
 [3 4 5]]
a 的形狀：
[[0 1]
 [2 3]
 [4 5]]

使用切片創建視圖修改數據會影響到原始數組：

輸出結果為：

我們的數組：
[ 0  1  2  3  4  5  6  7  8  9 10 11]
創建切片：
[  0   1   2   3 123 234   6   7   8   9  10  11]
4545878416 4545878496 4545878576

變量 a,b 都是 arr 的一部分視圖，對視圖的修改會直接反映到原數據中。但是我們觀察 a,b 的 id，他們是不同的，也就是說，視圖雖然指向原數據，但是他們和賦值引用還是有區別的。

副本或深拷貝

ndarray.copy() 函數創建一個副本。 對副本數據進行修改，不會影響到原始數據，它們物理內存不在同一位置。

輸出結果為：

數組 a：
[[10 10]
 [ 2  3]
 [ 4  5]]
創建 a 的深層副本：
數組 b：
[[10 10]
 [ 2  3]
 [ 4  5]]
我們能夠寫入 b 來寫入 a 嗎？
False
修改 b 的內容：
修改後的數組 b：
[[100  10]
 [  2   3]
 [  4   5]]
a 保持不變：
[[10 10]
 [ 2  3]
 [ 4  5]]

更多相關文章

Python 直接賦值、淺拷貝和深度拷貝解析