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。
  無復制
  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，類似于 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。
實例

import numpy as npa = np.arange(6) print ('我們的數組是：') print (a) print ('調用 id() 函數：') print (id(a)) print ('a 賦值給 b：') b = a print (b) print ('b 擁有相同 id()：') print (id(b)) print ('修改 b 的形狀：') b.shape = 3,2 print (b) print ('a 的形狀也修改了：') print (a)

輸出結果為：

我們的數組是： [0 1 2 3 4 5] 調用 id() 函數： 2160389265488 a 賦值給 b： [0 1 2 3 4 5] b 擁有相同 id()： 2160389265488 修改 b 的形狀： [[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。
實例

import numpy as np# 最開始 a 是個 3X2 的數組 a = np.arange(6).reshape(3, 2) print('數組 a：') print(a) print('創建 a 的視圖：') b = a.view() print(b) print('兩個數組的 id() 不同：') print('a 的 id()：') print(id(a)) print('b 的 id()：') print(id(b)) # 修改 b 的形狀，并不會修改 a b.shape = 2, 3 print('b 的形狀：') print(b) print('a 的形狀：') print(a)

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()： 2336918390944 b 的 id()： 2336918391184 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：

import numpy as nparr = np.arange(12) print('我們的數組：') print(arr) print('創建切片：') a = arr[3:] b = arr[3:] a[1] = 123 b[2] = 234 print(arr) print(id(a), id(b), id(arr[3:]))

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] 2897481484528 2897481484448 2897481484688

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。

import numpy as npa = np.array([[10, 10], [2, 3], [4, 5]]) print('數組 a：') print(a) print('創建 a 的深層副本：') b = a.copy() print('數組 b：') print(b) # b 與 a 不共享任何內容 print('我們能夠寫入 b 來寫入 a 嗎？') print(b is a) print('修改 b 的內容：') b[0, 0] = 100 print('修改后的數組 b：') print(b) print('a 保持不變：') print(a)

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： 修改后的數組 b： [[100 10][ 2 3][ 4 5]] a 保持不變： [[10 10][ 2 3][ 4 5]]

深淺拷貝

在 Python 中，對象賦值實際上是對象的引用。當創建一個對象，然后把它賦給另一個變量的時候，Python 并沒有拷貝這個對象，而只是拷貝了這個對象的引用，我們稱之為淺拷貝。

在 Python 中，為了使當進行賦值操作時，兩個變量互補影響，可以使用 copy 模塊中的 deepcopy 方法，稱之為深拷貝。

append()函數

當 list 類型的對象進行 append 操作時，實際上追加的是該對象的引用。
id() 函數：返回對象的唯一標識，可以類比成該對象在內存中的地址。

>>>alist = [] >>> num = [2] >>> alist.append( num ) >>> id( num ) == id( alist[0] ) True

如上例所示，當 num 發生變化時(前提是 id(num) 不發生變化），alist 的內容隨之會發生變化。往往會帶來意想不到的后果，想避免這種情況，可以采用深拷貝解決：

alist.append( copy.deepcopy( num ) )

總結

以上是生活随笔為你收集整理的B18_NumPy副本和视图（视图或浅拷贝、副本或深拷贝、深浅拷贝）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。