NumPy 教程

NumPy 笔记

NumPy副本和视图


在执行函数时,其中一些返回输入数组的副本,而另一些返回视图。当内容物理存储在另一个位置时,称为副本。另一方面,如果提供了相同内存内容的不同视图,我们将其称为视图

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。

示例

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

输出如下:

我们的数组是:
[0 1 2 3 4 5]

调用 id() 函数:
139747815479536

a 赋值给 b:
[0 1 2 3 4 5]
b 拥有相同 id():
139747815479536

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]]

视图或浅复制

NumPy 拥有ndarray.view()方法,它是一个新的数组对象,并可查看原始数组的相同数据。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。

示例

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 a
b.shape =  2,3  
print  'b 的形状:'  
print b 
print  'a 的形状:'  
print a

输出如下:

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():
140424307227264
b 的 id():
140424151696288

b 的形状:
[[0 1 2]
 [3 4 5]]

a 的形状:
[[0 1]
 [2 3]
 [4 5]]

数组的切片也会创建视图:

示例

import numpy as np 
a = np.array([[10,10],  [2,3],  [4,5]])  
print  '我们的数组:'  
print a 
print  '创建切片:' 
s = a[:,  :2]  
print s

输出如下:

我们的数组:
[[10 10]
 [ 2 3]
 [ 4 5]]

创建切片:
[[10 10]
 [ 2 3]
 [ 4 5]]

深复制

ndarray.copy()函数创建一个深层副本。它是数组及其数据的完整副本,不与原始数组共享。

示例

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

输出如下:

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]]