Numpy 修炼之道（6）—— 复制和视图

推荐阅读时间：3min~5min 文章内容：Numpy中的深复制和浅复制

当计算和操作数组时，它们的数据有时被复制到新的数组中，有时不复制。这里我们做个区分。

完全不复制

简单赋值不会创建数组对象或其数据的拷贝。

a = np.arange(6)  
a
b = a 
id(a)
id(b) # id(a)和id(b)结果相同
b.shape =  3,2  
a.shape # 修改b形状，结果a的形状也变了

视图或浅复制

不同的数组对象可以共享相同的数据。view方法创建一个新数组对象，该对象看到相同的数据。与前一种情况不同，新数组的维数更改不会更改原始数据的维数，但是新数组数据更改后，也会影响原始数据。

>>> c = a.view()
>>> c is a
False
>>> c.base is a
True
>>> c.flags.owndata
False
>>> c.shape = 2,6
>>> a.shape
(3L, 4L)
>>> c[0,4] = 1234
>>> a
array([[   0,    1,    2,    3],
       [1234,    5,    6,    7],
       [   8,    9,   10,   11]])

深复制

copy方法生成数组及其数据的完整拷贝。

>>> d = a.copy() # 一个完整的新的数组
>>> d is a
False
>>> d.base is a  
False
>>> d[0,0] = 9999
>>> a # 修改数组 d 的值，a不会受影响
array([[   0,   10,   10,    3],
       [1234,   10,   10,    7],
       [   8,   10,   10,   11]])

Numpy 修炼之道 （6）—— 复制和视图

完全不复制

视图或浅复制

深复制

Numpy 修炼之道（6）—— 复制和视图