NumPy 副本和视图

视图 ( 浅拷贝 ) 一般发生在：

1 、 numpy 的切片操作返回原数据的视图。

2 、调用 ndarray 的 view() 函数产生一个视图。

对视图进行修改，它会影响到原始数据

副本 ( 深拷贝 ) 一般发生在：

Python 序列的切片操作，调用 deepCopy() 函数。

调用 ndarray 的 copy() 函数产生一个副本。

对副本进行修改，它不会影响到原始数据

1 、无复制

简单的赋值不会创建数组对象的副本。 相反，它使用原始数组的相同 id() 来访问它。 id() 返回 Python 对象的通用标识符，类似于 C 中的指针。

一个数组的任何变化都反映在另一个数组上。 例如，一个数组的形状改变也会改变另一个数组的

形状。

import numpy as np
arr=np.array([1,2,3])
print(arr)#[1 2 3]
print(id(arr))#2296801808944

2 、视图或浅拷贝

         ndarray.view() 实现数组的浅拷贝，切片也是一种浅拷贝

import numpy as np
arr1=np.array([[1,2,3],[4,5,6]])
arr2=arr1.view()
print(arr1)
# [[1 2 3]
#  [4 5 6]]
print("---------")
print(arr2)
# [[1 2 3]
#  [4 5 6]]
print(id(arr1),id(arr2))#2847997319408 2847997317680

3 、副本或深拷贝

ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。

import numpy as np
a = np.array([[1,1], [2,2]])
print(a)
# [[1 1]
#  [2 2]]
b = a.copy()
print(b)# b 与 a 不共享任何内容
# [[1 1]
#  [2 2]]
print(id(a),id(b))
# 3014993728048 3014990560304
b[1,0] = 100
print(b)
# [[  1   1]
#  [100   2]]
print(a)
# [[1 1]
#  [2 2]]