numpy.copy用法

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)