NumPy副本和视图

NumPy - 副本和视图

在执行函数时，其中一些返回输入数组的副本，而另一些返回视图。 当内容物理存储在另一个位置时，称为副本。 另一方面，如果提供了相同内存内容的不同视图，我们将其称为视图。

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。

示例

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

Python

输出如下：

我们的数组是：
[0 1 2 3 4 5]

调用 id() 函数：
139747815479536

a 赋值给 b：
[0 1 2 3 4 5]
b 拥有相同 id()：
139747815479536

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]]

Python

视图或浅复制

NumPy 拥有ndarray.view()方法，它是一个新的数组对象，并可查看原始数组的相同数据。 与前一种情况不同，新数组的维数更改不会更改原始数据的维数。

示例

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

Python

输出如下：

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()：
140424307227264
b 的 id()：
140424151696288

b 的形状：
[[0 1 2]
 [3 4 5]]

a 的形状：
[[0 1]
 [2 3]
 [4 5]]

Python

数组的切片也会创建视图：

示例

import numpy as np
a = np.array([[10,10],  [2,3],  [4,5]])
print  '我们的数组：'
print a
print  '创建切片：'
s = a[:,  :2]
print s

Python

输出如下：

我们的数组：
[[10 10]
 [ 2 3]
 [ 4 5]]

创建切片：
[[10 10]
 [ 2 3]
 [ 4 5]]

Python

深复制

ndarray.copy()函数创建一个深层副本。 它是数组及其数据的完整副本，不与原始数组共享。

示例

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

Python

输出如下：

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]]