用法:
numpy.copy(a, order='K', subok=False)
返回给定对象的数组副本。
参数:
返回:
a: array_like
输入数据。
order: {‘C’、‘F’、‘A’、‘K’},可选
控制副本的内存布局。 “C”表示C-order,“F”表示F-order,如果 a 是 Fortran 连续的,“A”表示“F”,否则表示“C”。 ‘K’表示尽可能匹配a的布局。 (请注意,此函数和 ndarray.copy 非常相似,但它们的 order= 参数具有不同的默认值。)
subok: 布尔型,可选
如果为 True,则子类将为 passed-through,否则返回的数组将被强制为 base-class 数组(默认为 False)。
arr: ndarray
a. 数组解释
注意:
这相当于:
>>> np.array(a, copy=True)
例子:
创建一个数组 x,带有一个引用 y 和一个副本 z:
>>> x = np.array([1, 2, 3])
>>> y = x
>>> z = np.copy(x)
请注意,当我们修改 x 时,y 会改变,但 z 不会改变:
>>> x[0] = 10
>>> x[0] == y[0]
True
>>> x[0] == z[0]
False
请注意, np.copy 清除先前设置的 WRITEABLE=False 标志。
>>> a = np.array([1, 2, 3])
>>> a.flags["WRITEABLE"] = False
>>> b = np.copy(a)
>>> b.flags["WRITEABLE"]
True
>>> b[0] = 3
>>> b
array([3, 2, 3])
请注意, np.copy 是浅拷贝,不会复制数组中的对象元素。这对于包含 Python 对象的数组很重要。新数组将包含相同的对象,如果该对象可以修改(可变),可能会导致意外:
>>> a = np.array([1, 'm', [2, 3, 4]], dtype=object)
>>> b = np.copy(a)
>>> b[2][0] = 10
>>> a
array([1, 'm', list([10, 3, 4])], dtype=object)
要确保复制 object
数组中的所有元素,请使用 copy.deepcopy :
>>> import copy
>>> a = np.array([1, 'm', [2, 3, 4]], dtype=object)
>>> c = copy.deepcopy(a)
>>> c[2][0] = 10
>>> c
array([1, 'm', list([10, 3, 4])], dtype=object)
>>> a
array([1, 'm', list([2, 3, 4])], dtype=object)