numpy 矩阵切片以及深复制和浅复制的了解

最新推荐文章于 2022-04-03 17:00:20 发布
最新推荐文章于 2022-04-03 17:00:20 发布
阅读量5.5k 收藏 3
点赞数 4
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41342577/article/details/81145117
版权

矩阵切片

我们对一个一维矩阵切片的很简单，arr[2:4] 代表获取从第3个数到4个数，不包含第5个数

那如果要对矩阵切片呢？其实是同理的

arr8[:2, :2]也就是说是获取2行2列的子矩阵

不过这里有个问题，看下图

就是arr9看起来是和arr8没有任何关系的另外一个矩阵，但是改了arr9，arr8还是变了，这是怎么回事

在numpy中，为了提高效率，这种切片出来的子矩阵其实都是原矩阵的引用而已，所以改变子矩阵，原矩阵还是会变的

这时候怎么办呢

arr10是arr8的浅复制，这时候你就会发现，arr10的变化并不会影响到arr8的数值变化，200并没有变成100

那这里就要讲到深复制和浅复制的定义了

浅复制，说白了就是复制一部分，只复制了父对象，子对象就还是引用状态

arr12是arr11的浅复制，这时候如果修改arr12里面的[3,5,2]这个子对象里面的数值，arr11还是会跟着变，因为[3,5,2]这个子对象还是属于引用

arr13是arr11的深复制，意思就是全部复制，不管是父对象还是子对象，都全部复制过来，这时候arr13和arr11就是真正的两个没有任何关联的变量，随意操作arr13都不会改变arr11

回到刚刚的话题，看起来，我们的矩阵里面不也包含着类似arr11那样的子对象么，其实对于numpy矩阵来说，里面数据都是子元素，所以浅复制的时候已经把这些子元素都复制过去，所以这时候复制的变量arr10怎么改变子元素都不会改变arr8的

有想法的工程师
关注
  • 4
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python切片和索引是深拷贝吗_Numpy基础索引与切片
weixin_39614094的博客
02-03 612
重要提醒：对numpy数组的切片的任何修改都会反应到原数组深浅拷贝 arr1=arr 实质上指向同一个内存空间arr1=arr.copy() 深拷贝，两个不同的内存空间切片与python内建列表在操作上基本没有区别。arr[2:5:2] 三个参数分别是 [起始 结束 步长]二维切片 arr[2:4,1:3] 理解为【切行，切列】布尔索...
NumPy深拷贝——《Python数学函数库NumPy》
Python老吕的博客
05-22 677
深拷贝在NumPy中是一个强大的工具，它允许我们创建完全独立的数组副本，从而避免修改原始数据或确保数据独立性。然而，它也有其代价，包括更高的计算复杂度和内存消耗。因此，在选择使用深拷贝还是浅拷贝时，需要根据具体的应用场景和需求进行权衡。通过理解深拷贝和浅拷贝的区别以及它们在NumPy中的实现方式，我们可以更加有效地管理数据和避免潜在的问题。
python 矩阵的切片
m0_54146002的博客
09-29 1281
【代码】python 矩阵的切片。
numpy（深）复制一个矩阵的方法
思念殇千寻的博客
05-21 2013
　　在用Python写代码的时候往往会遇到真复制和假复制的问题，真复制就是创建一个新的实例（instance），而假复制就是把原对象的引用赋给了新的标志符。判断是不是真复制可以使用id()这个函数。 　　当然，复制可以使用import copy，然后copy.copy(object)，copy.deepcopy(object)来解决。通常意义下copy和deepcopy的作用都是深复制，...
python矩阵的切片(A[ x:y，a:b ]是什么意思呢？)
tianxinyiru的博客
03-24 3586
矩阵的切片与列表有所不同，矩阵一般有行也有列，所以矩阵的切片需要包含行索引和列索引两个参数，中间用逗号隔开。 格式如下： 假设A是一个矩阵，A的切片可以写成：A[起始行索引:终止行索引, 起始列索引:终止列索引]，中括号表示切片，中间有一个逗号，逗号前是为了对行切片，逗号后是为了对列切片。 　　 举例1： import numpy as np A = np.array([[0,1,2,3],[10,11,12,13],[20,21,22,23],[30,31,32,33]]) # A 是一个二维数组，维度
Numpy 中复制矩阵并使其扩充的方法：numpy.tile()
PursueLuo的博客
12-21 1万+
文章目录1. 方法2. 示例2.1 示例1：a 是向量2.2 示例 2：A 是矩阵3. 参考 1. 方法 注意：import numpy as np 方法名：tile 功能：对 numpy 矩阵进行复制并使其扩充 参数：第一个参数是要进行扩展的数据； 参数：第二个参数是要扩展的维度。 2. 示例 2.1 示例1：a 是向量 a 是一个列向量，有 4 个元素，维度是 (4, 1)a = np.array([1, 2, 3, 4]) a = a.reshape(len(a), 1) 对 a 进
基于numpy中数组元素的切片复制方法
12-25
代码1： ...类似的代码之前应用过，简单看了一下numpy中的数组切片。 程序的执行结果如下： In [2]: %run exp01.py [0 1 2 3 4 5 6 7 8 9] [3 4] [123 4] [ 0 1 2 123 4 5 6 7 8 9] 由此得出来的结
Numpy数组和矩阵运算（3.索引、切片和迭代）
最新发布
06-14
Numpy数组优势：相对列表，运算速度更快，占用资源更少。我们使用Numpy这个工具，可以极大地优化数据挖掘能力。 本章作为示例，列出了Numpy所有常用的方法与...现在，我们进入Numpy入门的第三章：索引、切片和迭代。
python numpy数组的索引和切片的操作方法
12-24
NumPy – 简介 NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。 Numeric，即 NumPy 的前身，是由 Jim Hugunin 开发的。 也开发了另一个包 ...
Python numpy矩阵处理运算工具用法汇总
09-16
Python中的numpy库是进行高效矩阵处理和数值计算的核心工具，它的设计使得在处理大型多维数组和矩阵时具有很高的性能。numpy提供了丰富的函数和方法，适用于各种数学运算，包括线性代数、统计分析和随机数生成等。...
python numpy矩阵信息说明,shape,size,dtype
09-16
本文将深入探讨numpy.ndarray中的三个关键属性：`shape`、`size`和`dtype`，以及它们在处理矩阵信息时的重要性。 1. **shape**： `shape`属性是一个元组，它定义了数组的维度和各维度的长度。在二维数组（矩阵）中...
Numpy矩阵的切片（slicing）和索引（indexing）
coder_Gray的博客
04-01 6488
切片（slicing）操作Numpy中的多维数据的切片操作和Python中对于list的切片操作是一样的。参数由start，stop，step三个部分构成。import numpy as np arr = np.arange(12) print 'array is:', arr slice_one = arr[:4] print 'slice begins at 0 and ends at 4...
Python中深拷贝与浅拷贝的区别：
热门推荐
IT晓可程序员之路
04-20 2万+
Python中深拷贝与浅拷贝的区别：
关于numpy及list的深拷贝理解
三年研究生能改变多少
01-29 550
建议先看：https://blog.csdn.net/xidianliutingting/article/details/51682867 讲的很好。我会在上面进行补充。 以前一直知道有这个概念，但是由于一直没有遇到便没有在意，当在写momentum优化梯度代码时，又一次遇到了，所以决定梳理一下。 都知道copy是深拷贝，那么它到底能干吗？什么时候会用到? 来看: a = [] x = np.ar...
Numpy 操作矩阵
norsd的专栏
04-03 2584
复制矩阵 m2 = m1.copy m2 = m1[:,:] 复制矩阵的部分Row m[1:] #取第1行之后所有 m[-2:] #取最后第2行之后所有(最后第2行和最后第1行) m[1:3] #取第1行到第3行之前(不包括第3行) m[3:-1] #取第3行到最后1行之前(不包括最后1行) m[:-1] #取第0行到最后1行之前(不包括最后1行) 需要补充的是,上面的操作,返回的是二维矩阵, shape是2维数组,例如:[3,1] 还有一种"取单行"的方.
numpy中的矩阵切片
weixin_40849273的博客
03-15 4496
先上代码： import numpy as np X = np.array([[0,1,2,3],[10,11,12,13],[20,21,22,23],[30,31,32,33]]) # X 是一个二维数组，维度为 0 ，1 # 第 0 层 [] 表示第 0 维；第 1 层 [] 表示第 1 维； # X[n0,n1] 表示第 0 维 取第n0 个元素 ，第 1 维取第 n1 个元素 ...
一点自己关于使用矩阵切片的误区
TXY_xy的博客
08-28 396
import numpy as np >>> x = np.array([[11,12,13],[21,22,23],[31,32,33]]) >>> x array([[11, 12, 13], [21, 22, 23], [31, 32, 33]]) >>> x[0:2][0:2] array...
numpy-深复制
sxf1999的博客
11-09 387
注意，当你使用np数组时，想要复制一个一模一样的矩阵，千万不要直接用等号复制 例如 A = [1,2,3] B=A 你只是用了A B两个名字指向了同一个空间，因此你令A[0]=0之后AB都会改变 ，复制的时候要用深复制 B = np.array(A,copy=True) ...
golang学习笔记008--数组,切片和二维数组
逆天的博客
01-27 2019
目录1.数组1.1数组介绍1.2数组的使用1.3数组的遍历1.4数组使用注意事项1.5 随机生成5个数,并反转2.切片slice2.1基本介绍2.2 切片的使用方式一:引用数组方式二:make方式三:方式一和方式二的区别:2.3 切片的遍历2.4 使用注意事项3.string和slice4.二维数组4.1 入门4.2 使用方式1:先声明,在赋值4.3 使用方式2:直接初始化4.4 二维数组遍历 1.数组 1.1数组介绍 数组可以存放多个同意类型的数据,数组也是一种数据类型,在go中,数组是值类型 定义:
python numpy矩阵切片
08-14
回答：在Python中，可以使用numpy库对矩阵进行切片操作。矩阵的切片操作可以通过冒号分隔的切片参数start:stop:step来实现。例如，对于二维数组X，可以使用X[n0,n1来获取某一个元素，或者使用X[n0,n1,n2来获取三维数组中的数据集。取元素的方式可以是X[n0,n1，而切片的方式可以是X[s0:e0,s1:e1，其中s0和e0表示起始和结束的行，s1和e1表示起始和结束的列。此外，还有一些特殊情况的切片操作，如X[:-1，X[::-1，X[-2:-1等。具体的切片操作可以根据需要选择不同的参数。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Python中numpy数组切片：print(a[0::2])、a[::2]、[:,2]、[1:,-1:]、a[::-1]、[ : n]、[m : ]、[-1]、[:-1]...](https://blog.csdn.net/weixin_43629813/article/details/101122997)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值