NumPy的深浅拷贝的区别与选择

最新推荐文章于 2024-09-17 23:15:58 发布

做梦都在改BUG

最新推荐文章于 2024-09-17 23:15:58 发布

阅读量412

点赞数 4

文章标签： numpy python 深浅拷贝

本文链接：https://blog.csdn.net/weixin_60707895/article/details/139745645

版权

大家好，我们知道中华上下五千年。习武之人不在少数。但是他们习武的类型也大概分成两种：一种是外功，主要学习手法，腿法等的力量和协调性；另一种是内功，主要锻炼的是气力，骨骼等内在的改变。

在学习Numpy库中的副本和视图的时候，接触到了其中有一个数据拷贝的选择，它跟习武的方式类似，分为深拷贝和浅拷贝。那么究竟他们有什么区别？如何进行选择？本文将带领我们一探究竟！

知道

首先，在研究深浅拷贝之前，得知道相关的一些概念这样，后面我们才能游刃有余。比如我们在看本文内容之前，你是否学习了Python基础，NumPy环境是否已经安装完成。🎯

好了，现在正式进入我们的内容。

什么是深拷贝？

深拷贝指在拷贝原数组的时候，会在内存中重新创建一个新的数组并且进行赋值，新数组中的元素进行任何操作的时候，是不会影响到原数组的，他们在数组中的内存id是不同的。

什么是浅拷贝?

浅拷贝指在拷贝原数组的时候，它只不过是原数组的一个引用，并不会再内存中创建一个新的数组，所以在操作新数组中的元素的时候，原数组也是会跟着一起变化的，会影响到原数组的数组结构。

既然我们已经知道了什么是深拷贝，什么是浅拷贝。那么光凭理论是说不过去的，我们得进行实践。记得有一句话说的：“实践是检验真理的唯一途径”。那么我们开始吧！🧐

验证

首先我们得保证安装了Pyhton的编辑器，我用的是PyCharm,没有的可以在官网自行下载安装。

这里Numpy库给我们提供的深拷贝的函数是copy()函数，我们就使用这个函数进行验证

先在编辑器中创建一个数组，并进行数组的深拷贝，查看结果如何？

"""
@Created on ： 2024/6/17 11:16
@creator ： er_nao
@File ：numpy_28_副本和视图.py
@Description ：
"""

import numpy as np

# copy()函数的使用

x = np.arange(32).reshape(4, 8)
print('原数组')
print(x)
# 获取数组在内存中的id
print('x数组的id: ')
print(id(x))
print('\n')
# 将x数组copy给y
y = x.copy()
print('y数组的id:')
print(id(y))
print('\n')

# 修改y数组，测试x数组是否会发生变化
y.shape = 8, 4
print('打印y数组')
print(y)
print('\n')
print('打印x数组')
print(x)

# # 输出结果
# 原数组
# [[ 0  1  2  3  4  5  6  7]
#  [ 8  9 10 11 12 13 14 15]
#  [16 17 18 19 20 21 22 23]
#  [24 25 26 27 28 29 30 31]]
# x数组的id: 
# 1972961081072
# 
# 
# y数组的id:
# 1973520214672
# 
# 
# 打印y数组
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]
#  [12 13 14 15]
#  [16 17 18 19]
#  [20 21 22 23]
#  [24 25 26 27]
#  [28 29 30 31]]
# 
# 
# 打印x数组
# [[ 0  1  2  3  4  5  6  7]
#  [ 8  9 10 11 12 13 14 15]
#  [16 17 18 19 20 21 22 23]
#  [24 25 26 27 28 29 30 31]]

我们可以看到，创建了一个原数组x,然后将x数组深拷贝给新数组y,输出的结果显而易见，x在内容中的id和y的id是不一样的，显然这儿变成了两个不同的数组，然后使用shape函数，进行y数组的变化，输出结果是y数组格式已经变化，而原数组并没有收到影响。

下来我们验证浅拷贝，浅拷贝其实就比较简单了，就是数组之间的赋值。我们来看一下相关代码

# 传统数组之间相互赋值

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print('原数组')
print(x)
# 获取数组在内存中的id
print('x数组的id: ')
print(id(x))
print('\n')
# 将x数组赋值给y
y = x
print('y数组的id:')
print(id(y))
print('\n')
# 修改y数组，测试x数组是否会发生变化
y.shape = 2, 4
print('打印y数组')
print(y)
print('\n')
print('打印x数组')
print(x)

# 输出结果
# 原数组
# [1 2 3 4 5 6 7 8]
# x数组的id: 
# 1795409508176
# 
# 
# y数组的id:
# 1795409508176
# 
# 
# 打印y数组
# [[1 2 3 4]
#  [5 6 7 8]]
# 
# 
# 打印x数组
# [[1 2 3 4]
#  [5 6 7 8]]

这次我们可以很清晰的看到，将x数组赋值给数组y,改变数组y以后，x也改变了。并且他们的内存id都是一样的。

其实NumPy库还给我们提供了一种浅拷贝的方法，使用view()函数进行拷贝。

# 创建原始数组
arr = np.array([2, 4, 8, 12, 20])

# 使用view函数创建视图
view_arr = arr.view()

# 修改原始数组中的元素
arr[0] = 100

# 输出修改后的结果
print("原数组id:", id(arr))
print("视图数组id:", id(view_arr))
print("原数组:", arr)
print("视图数组:", view_arr)

# 输出结果
# 原数组id: 1958732690896
# 视图数组id: 1958732691280
# 原数组: [100   4   8  12  20]
# 视图数组: [100   4   8  12  20]

我们发现，view()函数的是创建一个新的视图，但是它在元素内存的指向和原数组的相同的，改变原数值的元素，创建的视图元素也随之改变。