深浅拷贝numpy

拷贝、浅拷贝、深拷贝

拷贝：
从原始数据复制一份出来，当复制成功后，这两份数据都是相互独立的，即修改任意一份数据都不会影响另一份数据。
浅拷贝：
浅拷贝就是只是拷贝最外层的类型，简单来讲就是拷贝了引用，并没有拷贝内容.
深拷贝：
对于一个对象所有层次的拷贝（递归拷贝）

浅拷贝会在内存中产生一个不同的对象，但是由于拷贝的是父对象，子对象并没有拷贝，所以浅拷贝会存在共享内存的情况。实际上，numpy中的视图就是一种浅拷贝。
numpy中，一个ndarray的视图和原ndarray是不同的对象，但是其共享ndarray值的内存，所以当修改其中一个对象的值的时候，两个对象都会发生改变。这样两个对象是互相关联的，这样做的好处就是不会涉及到数据在内存中的复制，这样可以节省空间，提高性能；而不好的地方就是两个对象是并不是相互独立的，有时候我们并不预期改变一个对象会影响到其他的对象。因此，如果我们希望两个ndarray是完全独立的，那么可以通过ndarray的copy函数，返回其副本，这个副本在内存中具有独立的空间，因此不存在共享内存，所以也就完全独立，不会相互影响。
那么numpy中，什么情况下会返回一个ndarray的视图，什么情况下会返回副本呢？一般地，切片索引返回的是视图，**而数组索引返回的是副本，**切片和数组组合索引返回的自然也是副本；此外，reshape函数返回的也是视图。通常状况下，大部分函数返回的都是副本，比如hstack、vstack等。
浅复制与视图（view）
不同的数组对象可能有公共的数据，可以使用 view 操作在不对某一个数组进行复制的情况下创建一个同样指向该数据的视图，这会是一个新的对象，但是会和原来的数组共享数据，这被称之为浅复制（shallow copy）

numpy 的ndarray对象的内容可以通过索引或切片来访问和修改，三种索引方式：字段访问，基本切片，高级索引

和Python 列表不同得失，numpy通过下标范围获取的新的数组是原始数组的一个视图，它与原始数组共享同一块数据空间

数据的浅拷贝与深拷贝

共享内存地址的两个变量，当其中一个变量的只改变时，另一个变量的值也随之改变，此时，是浅拷贝

共享视图的两个变量，当一个值改变时，另一个变量的值也随之改变。np.view# numpy中的深拷贝 -np.copy ;两个变量之间不相互干扰，一个改变，另一个不变

切片是浅拷贝

但，使用序列取值时 ，不与原始数组共享数据空间

当使用布尔数组存取元素时，不与原始数组共享数据空间