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。
-
import numpy as np #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。 a=np.arange(6) print(a) print(id(a)) b=a print(b) print(id(b)) b.shape=2,3 print(b) print(a) #[0 1 2 3 4 5] #173768496 #[0 1 2 3 4 5] #173768496 #[[0 1 2] # [3 4 5]] #[[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。 a=np.arange(6).reshape(3,2) print(a) b=a.view() print(b) print(id(a)) print(id(b)) b.shape=2,3 print(b) print(a) #[[0 1] # [2 3] # [4 5]] #[[0 1] # [2 3] # [4 5]] #173920384 #173920864 #[[0 1 2] # [3 4 5]] #[[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: arr=np.arange(12) print(arr) a=arr[3:] b=arr[3:] a[1]=123 b[2]=124 print(arr) print(id(a),id(b),id(arr[3:])) #[ 0 1 2 3 4 5 6 7 8 9 10 11] #[ 0 1 2 3 123 124 6 7 8 9 10 11] #173921264 173920864 173768496 #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 a = np.array([[10,10], [2,3], [4,5]]) print(a) b=a.copy() print(b) print(b is a) b[0,0]=100 print(b) print(a) #[[10 10] # [ 2 3] # [ 4 5]] #[[10 10] # [ 2 3] # [ 4 5]] #False #[[100 10] # [ 2 3] # [ 4 5]] #[[10 10] # [ 2 3] # [ 4 5]]
-
以上,记录本人学习过程