20-NumPy副本和视图

NumPy副本和视图

对 NumPy 数组执行些函数操作时，其中一部分函数会返回数组的副本，而另一部分函数则返回数组的视图。本节对数组的副本和视图做重点讲解。

其实从内存角度来说，副本就是对原数组进行深拷贝，新产生的副本与原数组具有不同的存储位置。而视图可理解为对数组的引用，它和原数组有着相同的内存位置。

赋值操作

赋值操作是数组引用的一种方法。比如，将 a 数组赋值给变量 b，被赋值后的变量 b 与 a 组具有相同的内存 id。因此，无论操作 a、b 中哪个数组，另一个数组也会受到影响。例如下：

import numpy as np
a = np.array([[1,2,3,4],[9,0,2,3],[1,2,3,19]])
print("原数组：\n",a)
print("a数组的ID:",id(a))
b = a
print("数组b的id:",id(b))
b.shape = 4,3;
print("b数组形状的更改也会反映到a数组上:")
print(a)

输出结果：

原数组：
 [[ 1  2  3  4]
 [ 9  0  2  3]
 [ 1  2  3 19]]
a数组的ID: 2239906312624
数组b的id: 2239906312624
b数组形状的更改也会反映到a数组上:
[[ 1  2  3]
 [ 4  9  0]
 [ 2  3  1]
 [ 2  3 19]]

ndarray.view()

ndarray.view() 返回一个新生成的数组副本，因此对该数组的操作，不会影响到原数组。下面看一组示例：

import numpy as np
a = np.array([[1,2,3,4],[9,0,2,3],[1,2,3,19]])
print("原数组a:\n",a)
print("数组a的ID:",id(a))
b = a.view()
print("数组b的ID:",id(b))
#打印b数组
print(b)
#改变b数组形状
b.shape = 4,3
print("原数组a:\n",a)
print("新数组b:\n",b)

输出结果：

原数组a:
 [[ 1  2  3  4]
 [ 9  0  2  3]
 [ 1  2  3 19]]
数组a的ID: 2263164318320
数组b的ID: 2263164318224
[[ 1  2  3  4]
 [ 9  0  2  3]
 [ 1  2  3 19]]
原数组a:
 [[ 1  2  3  4]
 [ 9  0  2  3]
 [ 1  2  3 19]]
新数组b:
 [[ 1  2  3]
 [ 4  9  0]
 [ 2  3  1]
 [ 2  3 19]]

切片创建视图

使用切片可以创建视图数组，若要修改视图的就会影响到原数组，示例如下：

import numpy as np

arr = np.arange(10)
print('数组arr：', arr)
#创建切片修改原数组arr
a = arr[3:]
b = arr[3:]
a[1] = 123
b[2] = 234
print('数组arr：', arr)

输出结果：

数组arr： [0 1 2 3 4 5 6 7 8 9]
数组arr： [  0   1   2   3 123 234   6   7   8   9]

ndarray.copy()

该方法返回原数组的副本，对副本的修改不会影响到原数组。示例如下：

import numpy as np
a = np.array([[1,2,3,4],[9,0,2,3],[1,2,3,19]])
print("原数组a:\n",a)
print("a数组ID:",id(a))
b = a.copy()
print("b数组ID:",id(b))
print("打印经过copy方法的b数组：",b)
b.shape=4,3
print("原数组a:\n",a)
print("经过copy方法的b数组:\n",b)

输出结果:

原数组a:
 [[ 1  2  3  4]
 [ 9  0  2  3]
 [ 1  2  3 19]]
a数组ID: 2284074169040
b数组ID: 2284074168944
打印经过copy方法的b数组： [[ 1  2  3  4]
 [ 9  0  2  3]
 [ 1  2  3 19]]
原数组a:
 [[ 1  2  3  4]
 [ 9  0  2  3]
 [ 1  2  3 19]]
经过copy方法的b数组:
 [[ 1  2  3]
 [ 4  9  0]
 [ 2  3  1]
 [ 2  3 19]]