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
两者都是将接收的对象转化为numpy中的ndarray类型
区别为:
- 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]
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”
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]
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]
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]