Python 中 numpy 中数据的array 与 asarray 的深拷贝与浅拷贝

对于C++来说，深拷贝与浅拷贝 的概念非常明确。但是，对于python的numpy 来说，深拷贝与浅拷贝比较难理解。因此，当Python传指针给C++时，很容易出现局部变量的指针提前释放产生的Bug。

• array和asarray都可以将结构数据转化为ndarray
• np.array 会copy出一个副本，占用新的内存，属于深拷贝
• np.asarray 当 dtype 相同时，指针指向的内存相同，属于浅拷贝。
• np.asarray 当 dtype 不同时，使用深拷贝。

---

代码验证如下：

import numpy as np


list_1 = [1, 2, 3, 4]
np_data_1 = np.array(list_1, dtype=np.float32)

# np.array 会copy出一个副本，占用新的内存，属于深拷贝
np_data_2 = np.array(np_data_1, dtype=np.double)
print(np_data_2 is np_data_1)

# np.asarray  当 dtype 相同时，指针指向的内存相同，没有拷贝
np_data_3 = np.asarray(np_data_1, dtype=np.float32)
print(np_data_3 is np_data_1)

# np.asarray  当 dtype 不同时，使用深拷贝。
np_data_4 = np.asarray(np_data_1, dtype=np.double)
print(np_data_4 is np_data_1)

---

结果：

False
True
False

---

引用的官方文档地址：
https://numpy.org/doc/stable/reference/generated/numpy.asarray.html ：

outndarray Array interpretation of a. No copy is performed if the input is already an ndarray with matching dtype and order. If a is a subclass of ndarray, a base class ndarray is returned.
当类型与 order dtype 相同时，没有拷贝。 当不同时，会有拷贝。

这个文档也可以佐证：1.15 版本:https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.asarray.html