numpy reshape机制思考

背景

这几天做竞赛遇到一个问题。本以为numpy的reshape方法肯定会新开辟一个内存空间以存放reshape后的结果，不料对reshape后的结果进行修改却同时改动了被reshape的变量。

思考

对于出现问题的那一行reshape代码，本就心存疑惑：reshape前后的shape一样，感觉没什么意义。转念一想是不是就是因为前后shape一样导致不再新开辟内存空间。下面的测试代码及运行结果验证了猜想。

验证

import numpy as np

a = np.array([[1,2,3],[2,3,4]])
b = a.reshape(2,3)
b[0][1] = 100
print(a)

aa = np.array([[1,2,3],[2,3,4]])
bb = aa.reshape(2,3).copy()
bb[0][1] = 100
print(aa)

aaa = np.array([[1,2,3],[2,3,4]])
bbb = aaa.reshape(3,2)
bbb[0][1] = 100  # 经评论区提醒，已经修改
print(aaa)

运行结果：

[[  1 100   3]
 [  2   3   4]]
[[1 2 3]
 [2 3 4]]
[[  1 100   3]
 [  2   3   4]]

结论

之前的错误结论：

1. reshape前后shape一样：不为reshape的结果开辟新的内存空间，修改其中一个变量同时会修改另一个变量；
2. reshape前后shape不一样：为reshape的结果开辟新的内存空间，修改其中一个变量不会影响到另一个变量；
3. 若reshape前后一样，又必须要开辟新的内存空间，可以采用copy()方法。

经评论区提醒，修改后的结论：

1. reshape一般不会开辟新的内存空间，至于什么时候会开辟，有待探究。
2. 如果要保证开辟新的空间，可以采用copy()方法。

最后感谢评论区大佬的纠正！