首页
会员中心
到顶部
到尾部
NumPy教程

NumPy 副本和视图

时间:2020/11/3 9:45:37  作者:  来源:  查看:0  评论:0
内容摘要:NumPy 副本和视图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...

NumPy 副本和视图

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。

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。

实例

import numpy as np a = np.arange(6) print ('我们的数组是:')print (a)print ('调用 id() 函数:')print (id(a))print ('a 赋值给 b:')b = a print (b)print ('b 拥有相同 id():')print (id(b))print ('修改 b 的形状:')b.shape = 3,2 print (b)print ('a 的形状也修改了:')print (a)

输出结果为:

我们的数组是:[0 1 2 3 4 5]调用 id() 函数:4349302224a 赋值给 b:[0 1 2 3 4 5]b 拥有相同 id():4349302224修改 b 的形状:[[0 1] [2 3] [4 5]]a 的形状也修改了:[[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。

实例

import numpy as np # 最开始 a 是个 3X2 的数组a = np.arange(6).reshape(3,2) print ('数组 a:')print (a)print ('创建 a 的视图:')b = a.view() print (b)print ('两个数组的 id() 不同:')print ('a 的 id():')print (id(a))print ('b 的 id():' )print (id(b))# 修改 b 的形状,并不会修改 ab.shape = 2,3print ('b 的形状:')print (b)print ('a 的形状:')print (a)

输出结果为:

数组 a:[[0 1] [2 3] [4 5]]创建 a 的视图:[[0 1] [2 3] [4 5]]两个数组的 id() 不同:a 的 id():4314786992b 的 id():4315171296b 的形状:[[0 1 2] [3 4 5]]a 的形状:[[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:

实例

import numpy as np arr = np.arange(12)print ('我们的数组:')print (arr)print ('创建切片:')a=arr[3:]b=arr[3:]a[1]=123b[2]=234print(arr)print(id(a),id(b),id(arr[3:]))

输出结果为:

我们的数组:[ 0  1  2  3  4  5  6  7  8  9 10 11]创建切片:[  0   1   2   3 123 234   6   7   8   9  10  11]4545878416 4545878496 4545878576

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。

实例

import numpy as np a = np.array([[10,10], [2,3], [4,5]]) print ('数组 a:')print (a)print ('创建 a 的深层副本:')b = a.copy() print ('数组 b:')print (b)# b 与 a 不共享任何内容 print ('我们能够写入 b 来写入 a 吗?')print (b is a)print ('修改 b 的内容:')b[0,0] = 100 print ('修改后的数组 b:')print (b)print ('a 保持不变:')print (a)

输出结果为:

数组 a:[[10 10] [ 2  3] [ 4  5]]创建 a 的深层副本:数组 b:[[10 10] [ 2  3] [ 4  5]]我们能够写入 b 来写入 a 吗?False修改 b 的内容:修改后的数组 b:[[100  10] [  2   3] [  4   5]]a 保持不变:[[10 10] [ 2  3] [ 4  5]]

更多相关文章

Python 直接赋值、浅拷贝和深度拷贝解析



相关评论
广告联系QQ:45157718 点击这里给我发消息 电话:13516821613 杭州余杭东港路118号雷恩国际科技创新园  网站技术支持:黄菊华互联网工作室 浙ICP备06056032号