Python中的拷贝知识

介绍

拷贝分为深拷贝与浅拷贝，两者的区别在于是否共享同一块数据空间。“浅拷贝”是新变量与原始数据共享同一块数据空间，即当其中一个（不论是新还是原始）变量的值改变时，另一个变量的值也随之改变。“深拷贝”是新变量与原始数据不共享同一块数据空间，即两个变量互不干扰，其中一个变量的值改变时，不影响其他变量的值。

可以通过id()的方式查询是否为同一内存地址

Numpy中的浅拷贝与深拷贝

• np.asarray和np.array

两者都是将接收的对象转化为numpy中的ndarray类型

区别为：

1. 当参数为list或元组等一般数组时，np.asarray和np.array没有区别，都是“深拷贝”

a = [1,2,3,4]
b = np.array(a)
c = np.asarray(a)
print(a)
print(b)
print(c)
输出结果：
[1, 2, 3, 4]
[1 2 3 4]
[1 2 3 4]

a.append(5)
print(a)
print(b)
print(c)
输出结果：
[1, 2, 3, 4, 5]
[1 2 3 4]
[1 2 3 4]

• 当参数是ndarray时，np.array是“深拷贝”，会拷贝数据开辟新内存存储，而np.asarray是“浅拷贝”，与原数据共享内存

a = np.array([1,2,3,4])
b = np.array(a)
c = np.asarray(a)
a[0] = 5
print(a)
print(b)
print(c)
输出结果：
[5 2 3 4]
[1 2 3 4]
[5 2 3 4]

• numpy数组元素的切片—“浅拷贝”

通过下标范围范围获取的新的数组是原始数组的一个视图，与原始数据共享同一块数据空间，所以是“浅拷贝”

a = np.arange(10)
b = a[1:-1:2]
print(a)
print(b)
输出结果：
[0 1 2 3 4 5 6 7 8 9]
[1 3 5 7]

b[2] = -10
print(a)
print(b)
输出结果：
[  0   1   2   3   4 -10   6   7   8   9]
[  1   3 -10   7]

PS：Python中的列表切片为“深拷贝”

• ndarray.view()—“浅拷贝”

共享“视图”(view)的两个变量，当其中一个变量的值改变时，另一个变量的值也随之改变，所以是“浅拷贝”

a = np.array([1,2,3,4])
b = a.view()
a[0] = 5
print(a)
print(b)
输出结果：
[5 2 3 4]
[5 2 3 4]

• np.copy()—“深拷贝”

通过“深拷贝”得到的变量互不干扰，其中一个变量的值改变时，不影响其他变量的值

a = np.array([1,2,3,4])
b = a.copy()
a[0] = 5
print(a)
print(b)
输出结果：
[5 2 3 4]
[1 2 3 4]

• numpy存取元素—“深拷贝”

当使用整数序列对数组元素进行存取时，将整数序列中的每个元素作为下标，整数序列可以是列表或者数组，使用整数序列作为下标获得的数组不和原始数组共享数据空间，所以是“深拷贝”

a = np.array([1,2,3,4,5,6,7])
b = a[[0,0,6,6]]
b[0] = -10
print(a)
print(b)
输出结果:
[1 2 3 4 5 6 7]
[-10   1   7   7]