Python笔记(六) -- Numpy [下]

一、副本和视图

• 副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据。物理内存不在同一位置。
• 视图是数据的一个引用，原有数据不会产生拷贝。通过该引用可访问、操作原有数据。如果我们对视图进行修改，它会影响到原始数据。物理内存在同一位置。

1.1 ' = ' 赋值

‘ = ’赋值不会创建数组对象的副本。 它使用原始数组的相同id()来访问它。一个数组的任何变化都反映在另一个数组上。 例如，一个数组的形状改变也会改变另一个数组的形状。

a = np.arange(6)
b = a               # 等号赋值

# 内存地址相同
print(id(a))        # 1588378502768
print(id(b))        # 1588378502768
# 修改数值【变】
b[1] = 555
print(a)            # [0 555 2 3 4 5]
print(b)            # [0 555 2 3 4 5]
# 修改形状【变】
a.shape = (2, 3)
print(a)            # [[0 555 2] [3 4 5]]
print(b)            # [[0 555 2] [3 4 5]]

1.2 切片 

对视图的修改会直接反映到原数据中。但是我们观察 a,b 的 id，他们是不同的，也就是说，视图虽然指向原数据，但是他们和赋值引用还是有区别的。

arr = np.arange(6)
a = arr[1:]          # 切片赋值
b = arr[1:]
print(arr)           # [0 1 2 3 4 5]
print(a)             # [1 2 3 4 5]
print(b)             # [1 2 3 4 5]
# 内存地址不同
print(id(arr))       # 2336936068720
print(id(a))         # 2336937813616
print(id(b))         # 2336950756736
# 修改数值【变】
a[1] = 555
print(arr)           # [0  1   555 3 4 5]
print(a)             # [1  555  3  4 5 ]
print(b)             # [1  555  3  4 5 ]
# 修改形状【不变】
c = arr[:]
print(c)             # [0 1 555 3 4 5]
c.shape=(2,3)
print(c)             # [[0 1 555] [3  4  5]]
print(a)             # [1 555 3 4 5]

1.3 ndarray.view() 

ndarray.view() 方会创建一个新的数组对象，该方法创建的新数组的维数更改不会更改原始数据的维数。

a = np.arange(6).reshape(2, 3)
b = a.view()                    # view()赋值
print(a)                        # [[0 1 2] [3 4 5]]
print(b)                        # [[0 1 2] [3 4 5]]
# 内存地址不同
print(id(a))                    # 3013460633200
print(id(b))                    # 3013473445168
# 修改数值【变】
a[0][1] = 555
print(a)                        # [[0 555 2] [3 4 5]]
print(b)                        # [[0 555 2] [3 4 5]]
# 修改形状【不变】
b.shape = (1, 6)
print(b)                        # [[0 555 2 3 4 5]]
print(a)                        # [[0 555 2] [3 4 5]]

1.4 ndarray.copy() 

darray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。

a = np.array([[1, 2, 3], [4, 5, 6]])
b = a.copy()  # b与a不共享任何内容

# 修改数值【不变】
b[0, 0] = 100
print(b) # [[100 2 3] [4 5 6]]
print(a) # [[1  2  3] [4 5 6]]

 

二、数组操作

2.1 修改数组形状

• np.reshape() 函数可以在不改变数据(视图)的条件下修改形状，共享数据。
• np.ndarray.flat() 是一个数组元素迭代器，相当于np.nditer(ndarray).
• np.ndarray.flatten() 展平的数组元素，返回一份数组拷贝，对拷贝所做的修改不会影响原始数组
• np.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图，修改会影响原始数组。

a = np.arange(6)
b = a.reshape(2, 3)

print(a)     # [0 1 2 3 4 5]
print(b)     # [[0 1 2] [3 4 5]]
b[0][0]=9
print(a)     # [9 1 2 3 4 5]
print(b)     # [[9 1 2] [3 4 5]]

a = np.arange(6).reshape(2, 3)

for row in a:
    print(row)
'''
[0 1 2]
[3 4 5]
'''

# 对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器：
for element in a.flat: