Python拷贝和视图

转载自:https://blog.csdn.net/wangwenzhi276/article/details/53428353 —

当对数组进行运算和操作时，其数据有时会被拷贝到一个新的数组而有时又不会拷贝。这一点常常对刚使用NumPy的用户造成困惑。以下有三种情况:

1. 完全不拷贝

简单的任务是不会对数组或其数据进行拷贝的。

>>> a = np.arange(12)
>>> b = a            # 不会创建新的对象
>>> b is a           # a和b是同一个ndarray对象的两个名字
True
>>> b.shape = 3,4    # 也会改变a的形状
>>> a.shape
(3, 4)
   
   
1
2
3
4
5
6
7

Python传递可变对象的引用，因此函数调用不会进行拷贝。

>>> def f(x):
...     print(id(x))
...
>>> id(a)                           # id是对象的唯一标识
148293216
>>> f(a)
148293216
   
   
1
2
3
4
5
6
7

2. 视图或浅拷贝

不同的数组对象可以共享相同的数据。view方法会创建一个共享原数组数据的新的数组对象。

如果数组A是数组B的视图(view)，则称B为A的base(除非B也是视图)。视图数组中的数据实际上保存在base数组中。

>>> c = a.view()
>>> c is a
False
>>> c.base is a                        # c is a view of the data owned by a
True
>>> a.flags.owndata                    # a拥有数据
True
>>> c.flags.owndata                    # c并不拥有数据
False
>>>
>>> c.shape = 2,6                      # a的形状并不随之改变
>>> a.shape
(3, 4)
>>> c[0,4] = 1234                      # a的数据也会变
>>> a
array([[   0,    1,    2,    3],
       [1234,    5,    6,    7],
       [   8,    9,   10,   11]])
   
   
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

对数组切片返回的是其视图：

>>> s = a[ : , 1:3]     # spaces added for clarity; could also be written "s = a[:,1:3]"
>>> s[:] = 10           # s[:]是s的视图。注意s=10 和 s[:]=10的不同
>>> a
array([[   0,   10,   10,    3],
       [1234,   10,   10,    7],
       [   8,   10,   10,   11]])
   
   
1
2
3
4
5
6

3. 深拷贝

copy方法会对数组和其数据进行完全拷贝。

>>> d = a.copy()                          # 创建了新的数组和新的数据 

>>> d is a 

False 

>>> d.base is a                           # d没有和a共享任何数据 

False 

>>> d[0,0] = 9999 

>>> a 

array([[   0,   10,   10,    3], 

       [1234,   10,   10,    7], 

       [   8,   10,   10,   11]])
   
   
1
2
3
4
5
6
7
8
9
10