python numpy append_浅析Python中的numpy copy和view，以及append（）和deep copy、浅拷贝,NumPy,副本,视图,与,深...

NumPy 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。

视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。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。

视图一般发生在：

1、numpy 的切片操作返回原数据的视图。

2、调用 ndarray 的 view() 函数产生一个视图。

副本一般发生在：

Python 序列的切片操作，调用deepCopy()函数。

调用 ndarray 的 copy() 函数产生一个副本。

无复制

简单的赋值不会创建数组对象的副本。 相反，它使用原始数组的相同id()来访问它。 id()返回 Python 对象的通用标识符，类似于 C 中的指针。

此外，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。

import numpy as np

a = np.arange(6)

print ('我们的数组是：')

print (a)

print ('调用 id() 函数：')

print (id(a))

print ('a 赋值给 b：')

b = a

print (b)

print ('b 拥有相同 id()：')

print (id(b))

print ('修改 b 的形状：')

b.shape = 3,2

print (b)

print ('a 的形状也修改了：')

print (a)

输出结果为：

我们的数组是：

[0 1 2 3 4 5]

调用 id() 函数：

4349302224

a 赋值给 b：

[0 1 2 3 4 5]

b 拥有相同 id()：

4349302224

修改 b 的形状：

[[0 1]

[2 3]

[4 5]]

a 的形状也修改了：

[[0 1]

[2 3]

[4 5]]

视图或浅拷贝

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。

import numpy as np

# 最开始 a 是个 3X2 的数组

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

print ('数组 a：')

print (a)

print ('创建 a 的视图：')

b = a.view()

print (b)

print ('两个数组的 id() 不同：')

print ('a 的 id()：')

print (id(a))

print ('b 的 id()：' )

print (id(b))

# 修改 b 的形状，并不会修改 a

b.shape = 2,3

print ('b 的形状：')

print (b)

print ('a 的形状：')

print (a)

输出结果为：

数组 a：

[[0 1]

[2 3]

[4 5]]

创建 a 的视图：

[[0 1]

[2 3]

[4 5]]

两个数组的 id() 不同：

a 的 id()：

4314786992

b 的 id()：

4315171296

b 的形状：

[[0 1 2]

[3 4 5]]

a 的形状：

[[0 1]

[2 3]

[4 5]]

使用切片创建视图修改数据会影响到原始数组：

import numpy as np

arr = np.arange(12)

print ('我们的数组：')

print (arr)

print ('创建切片：')

a=arr[3:]

b=arr[3:]

a[1]=123

b[2]=234

print(arr)

print(id(a),id(b),id(arr[3:]))

输出结果为：

我们的数组：

[ 0 1 2 3 4 5 6 7 8 9 10 11]

创建切片：

[ 0 1 2 3 123 234 6 7 8 9 10 11]

4545878416 4545878496 4545878576

变量 a,b 都是 arr 的一部分视图，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。

副本或深拷贝

ndarray.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。

import numpy as np

a = np.array([[10,10], [2,3], [4,5]])

print ('数组 a：')

print (a)

print ('创建 a 的深层副本：')

b = a.copy()

print ('数组 b：')

print (b)

# b 与 a 不共享任何内容

print ('我们能够写入 b 来写入 a 吗？')

print (b is a)

print ('修改 b 的内容：')

b[0,0] = 100

print ('修改后的数组 b：')

print (b)

print ('a 保持不变：')

print (a)

输出结果为：

数组 a：

[[10 10]

[ 2 3]

[ 4 5]]

创建 a 的深层副本：

数组 b：

[[10 10]

[ 2 3]

[ 4 5]]

我们能够写入 b 来写入 a 吗？

False

修改 b 的内容：

修改后的数组 b：

[[100 10]

[ 2 3]

[ 4 5]]

a 保持不变：

[[10 10]

[ 2 3]

[ 4 5]]

深浅拷贝

在 Python 中，对象赋值实际上是对象的引用。当创建一个对象，然后把它赋给另一个变量的时候，Python 并没有拷贝这个对象，而只是拷贝了这个对象的引用，我们称之为浅拷贝。

在 Python 中，为了使当进行赋值操作时，两个变量互补影响，可以使用 copy 模块中的 deepcopy 方法，称之为深拷贝。

append() 函数

当 list 类型的对象进行 append 操作时，实际上追加的是该对象的引用。

id()

函数：返回对象的唯一标识，可以类比成该对象在内存中的地址。

>>>alist = []

>>> num = [2]

>>> alist.append( num )

>>> id( num ) == id( alist[0] )

True

如上例所示，当 num 发生变化时(前提是 id(num) 不发生变化)，alist 的内容随之会发生变化。往往会带来意想不到的后果，想避免这种情况，可以采用深拷贝解决：

alist.append( copy.deepcopy( num ) )

PS：

id()函数：返回对象的唯一标识，可以类比成该对象在内存中的地址。