17、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。

1、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。

 import numpy as np
 a = 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 = a
 print(b)
 print('b 拥有相同 id()：')
 print(id(b))
 print('修改 b 的形状：')
 b.shape = (3, 2)
 print(b)
 print('a 的形状也修改了：')
 print(a)

执行结果：

我们的数组是：
[0 1 2 3 4 5]
调用 id() 函数：
1463892179824
a 赋值给 b：
[0 1 2 3 4 5]
b 拥有相同 id()：
1463892179824
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]]

2、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。

 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 a
 b.shape = (2, 3)
 print('b 的形状：')
 print(b)
 print('a 的形状：')
 print(a)

执行结果：

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()：
2213940021408
b 的 id()：
2213969165728
b 的形状：
[[0 1 2]
 [3 4 5]]
a 的形状：
[[0 1]
 [2 3]
 [4 5]]

3、使用切片创建视图修改数据会影响到原始数组：

 import numpy as np
 arr = np.arange(12)
 print('我们的数组：')
 print(arr)
 print('创建切片：')
 a = arr[3:]
 b = arr[3:]
 a[1] = 123
 b[2] = 234
 print(arr)
 print(id(a), id(b), id(arr[3:]))

执行结果：

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

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。

4、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。

 import numpy as np
 a = 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] = 100
 print('修改后的数组 b：')
 print(b)
 print('a 保持不变：')
 print(a)

执行结果：

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]]

拓展：Python 中 list 的拷贝与 numpy 的 array 的拷贝

1.python中列表list的拷贝，会有什么需要注意的呢？

Python 变量名相当于标签名。

list2=list1 直接赋值，实质上指向的是同一个内存值。任意一个变量 list1（或list2）发生改变，都会影响另一个 list2(或list1)。

list1 = [i for i in range(4)]
list2 = list1
print('原列表为：\n', list1)
print('修改list2:')
list2[0] = 100
print('list1={}\nlist2={}'.format(list1, list2))

执行结果：

原列表为：
 [0, 1, 2, 3]
修改list2:
list1=[100, 1, 2, 3]
list2=[100, 1, 2, 3]