答疑：numpy之深拷贝和浅拷贝与原生Python深拷贝与浅拷贝的对比

备注：numpy中的拷贝其实和Python中的拷贝在很多方面都有相同之处，通常可以分为：无拷贝即：赋值操作、浅拷贝、深拷贝三种。

1. 无拷贝（赋值操作）

• 原生Python：
  
  输出结果：
  
• numpy中：
  

总结：无拷贝即，赋值操作时，Python原生赋值和numpy赋值作用相同，均为内存意义上的指向，即：引用的传递。

2. 浅拷贝

• Python浅拷贝：
  
  输出结果：
  

从显示结果可以看出，Python原生浅拷贝只拷贝了对象的表层（第一层），并没有对所有层次数据进行拷贝，对于其他层次数据属于引用性质。
当然，此处如果细聊还要对我们内层数据的数据类型进行区分，例如：1.对可变类型数据进行浅拷贝时，会进行正常的浅拷贝；2.对不可变类型数据进行浅拷贝时，仅仅是内存意义上的指向。

• numpy浅拷贝：
  
  

numpy浅拷贝之后的对象并没有开辟新的内存空间,同时当我修改arr3时，原数据arr，同时也会被修改。

3. 深拷贝

• Python原生深拷贝：
  
  输出结果：
  

从输出结果来看，Python原生深拷贝，是对原数据对象，所有层次的拷贝，并开辟新的内存空间保存新的对象，当我修改其中某一对象时，另一对象不受影响。类比于我们原来有一瓶娃哈哈矿泉水A，我们通过深拷贝拷贝了一瓶完全相同的娃哈哈矿泉水B，此时AB分别放在我桌面的左上角和右下角位置（即：开辟了新的内存空间保存我深拷贝之后的娃哈哈矿泉水B），同时当我打开娃哈哈矿泉水A或者B喝上一口，另外一瓶矿泉水不会受影响。

• numpy深拷贝：
  
  

说明： numpy深拷贝本质上和Python原生深拷贝是类似的，都会开辟新的内存空间去保存深拷贝出来的对象，当我们修改其中某一对象时，另一对象不受影响。