减小字体
增大字体- ·上一篇文章：NumPy 字节交换
- ·下一篇文章：NumPy 矩阵库(Matrix)
NumPy 副本和视图
NumPy 副本和视图副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。视图一般发生在：1、numpy 的切片操作返回原数据的视图。2、调用 ndarray 的 view() 函数产生一个视图。副本一般发生在：Python 序列的切片操作，调用deepCopy()函数。调用 ndarray 的 copy() 函数产生一个副本。无复制简单的赋值不会创建数组对象的副本。 相反，它使用原始数组的相同id()来访问它。 id()返回 Python 对象的通用标识符，类似于 C 中的指针。此外，一个数组的任何变化都反映在另一个数组上。 例如，一个数组的形状改变也会改变另一个数组的形状。实例import numpy as npa = np.arange(6)print ('我们的数组是：')print (a)print ('调用 id() 函数：')print (id(a))print ('a 赋值给 b：')b = aprint (b)print ('b 拥有相同 id()：')print (id(b))print ('修改 b 的形状：')b.shape = 3,2print (b)print ('a 的形状也修改了：')print (a)输出结果为：我们的数组是：[0 1 2 3 4 5]调用 id() 函数：4349302224a 赋值给 b：[0 1 2 3 4 5]b 拥有相同 id()：4349302224修改 b 的形状：[[0 1] [2 3] [4 5]]a 的形状也修改了：[[0 1] [2 3] [4 5]]视图或浅拷贝ndarray.view() 方会创建一个新的数组对象，该方法创建的新数组的维数更改不会更改原始数据的维数。实例import numpy as np
# 最开始 a 是个 3X2 的数组a = np.arange(6).reshape(3,2)print ('数组 a：')print (a)print ('创建 a 的视图：')b = a.view()print (b)print ('两个数组的 id() 不同：')print ('a 的 id()：')print (id(a))print ('b 的 id()：' )print (id(b))
# 修改 b 的形状，并不会修改 ab.shape = 2,3print ('b 的形状：')print (b)print ('a 的形状：')print (a)输出结果为：数组 a：[[0 1] [2 3] [4 5]]创建 a 的视图：[[0 1] [2 3] [4 5]]两个数组的 id() 不同：a 的 id()：4314786992b 的 id()：4315171296b 的形状：[[0 1 2] [3 4 5]]a 的形状：[[0 1] [2 3] [4 5]]使用切片创建视图修改数据会影响到原始数组：实例import numpy as nparr = np.arange(12)print ('我们的数组：')print (arr)print ('创建切片：')a=arr[3:
]b=arr[3:
]a[1]=123b[2]=234print(arr)print(id(a),id(b),id(arr[3:
]))输出结果为：我们的数组：[ 0 1 2 3 4 5 6 7 8 9 10 11]创建切片：[ 0 1 2 3 123 234 6 7 8 9 10 11]4545878416 4545878496 4545878576变量 a,b 都是 arr 的一部分视图，对视图的修改会直接反映到原数据中。但是我们观察 a,b 的 id，他们是不同的，也就是说，视图虽然指向原数据，但是他们和赋值引用还是有区别的。副本或深拷贝ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。实例import numpy as npa = np.array([[10,10], [2,3], [4,5]])print ('数组 a：')print (a)print ('创建 a 的深层副本：')b = a.copy()print ('数组 b：')print (b)
# b 与 a 不共享任何内容 print ('我们能够写入 b 来写入 a 吗？')print (b is a)print ('修改 b 的内容：')b[0,0] = 100print ('修改后的数组 b：')print (b)print ('a 保持不变：')print (a)输出结果为：数组 a：[[10 10] [ 2 3] [ 4 5]]创建 a 的深层副本：数组 b：[[10 10] [ 2 3] [ 4 5]]我们能够写入 b 来写入 a 吗？False修改 b 的内容：修改后的数组 b：[[100 10] [ 2 3] [ 4 5]]a 保持不变：[[10 10] [ 2 3] [ 4 5]]更多相关文章Python 直接赋值、浅拷贝和深度拷贝解析
# 最开始 a 是个 3X2 的数组a = np.arange(6).reshape(3,2)print ('数组 a：')print (a)print ('创建 a 的视图：')b = a.view()print (b)print ('两个数组的 id() 不同：')print ('a 的 id()：')print (id(a))print ('b 的 id()：' )print (id(b))
# 修改 b 的形状，并不会修改 ab.shape = 2,3print ('b 的形状：')print (b)print ('a 的形状：')print (a)输出结果为：数组 a：[[0 1] [2 3] [4 5]]创建 a 的视图：[[0 1] [2 3] [4 5]]两个数组的 id() 不同：a 的 id()：4314786992b 的 id()：4315171296b 的形状：[[0 1 2] [3 4 5]]a 的形状：[[0 1] [2 3] [4 5]]使用切片创建视图修改数据会影响到原始数组：实例import numpy as nparr = np.arange(12)print ('我们的数组：')print (arr)print ('创建切片：')a=arr[3:
]b=arr[3:
]a[1]=123b[2]=234print(arr)print(id(a),id(b),id(arr[3:
]))输出结果为：我们的数组：[ 0 1 2 3 4 5 6 7 8 9 10 11]创建切片：[ 0 1 2 3 123 234 6 7 8 9 10 11]4545878416 4545878496 4545878576变量 a,b 都是 arr 的一部分视图，对视图的修改会直接反映到原数据中。但是我们观察 a,b 的 id，他们是不同的，也就是说，视图虽然指向原数据，但是他们和赋值引用还是有区别的。副本或深拷贝ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。实例import numpy as npa = np.array([[10,10], [2,3], [4,5]])print ('数组 a：')print (a)print ('创建 a 的深层副本：')b = a.copy()print ('数组 b：')print (b)
# b 与 a 不共享任何内容 print ('我们能够写入 b 来写入 a 吗？')print (b is a)print ('修改 b 的内容：')b[0,0] = 100print ('修改后的数组 b：')print (b)print ('a 保持不变：')print (a)输出结果为：数组 a：[[10 10] [ 2 3] [ 4 5]]创建 a 的深层副本：数组 b：[[10 10] [ 2 3] [ 4 5]]我们能够写入 b 来写入 a 吗？False修改 b 的内容：修改后的数组 b：[[100 10] [ 2 3] [ 4 5]]a 保持不变：[[10 10] [ 2 3] [ 4 5]]更多相关文章Python 直接赋值、浅拷贝和深度拷贝解析
NumPy 副本和视图
