20.NumPy副本和视图
对 NumPy 数组执行些函数操作时，其中一部分函数会返回数组的副本，而另一部分函数则返回数组的视图。本节对数组的副本和视图做重点讲解。
其实从内存角度来说，副本就是对原数组进行深拷贝，新产生的副本与原数组具有不同的存储位置。而视图可理解为对数组的引用，它和原数组有着相同的内存位置。
赋值操作
赋值操作是数组引用的一种方法。比如，将 a 数组赋值给变量 b，被赋值后的变量 b 与 a 组具有相同的内存 id。因此，无论操作 a、b 中哪个数组，另一个数组也会受到影响。例如下：
- import numpy as np
- a = np.array([[1,2,3,4],[9,0,2,3],[1,2,3,19]])
- print("原数组",a)
- print("a数组的ID:",id(a))
- b = a
- print("数组b的id:",id(b))
- b.shape = 4,3;
- print("b数组形状的更改也会反映到a数组上:")
- print(a)
输出结果：
原数组：
[[1 2 3 4]
[9 0 2 3]
[1 2 3 19]]
数组a的ID：139663602288640
b数组的ID：139663602288640
b数组形状的更改也会反映给a数组上：
[[ 1 2 3]
[4 9 0]
[2 3 1]
[2 3 19]]ndarray.view()
ndarray.view() 返回一个新生成的数组副本，因此对该数组的操作，不会影响到原数组。下面看一组示例：
- import numpy as np
- a = np.array([[1,2,3,4],[9,0,2,3],[1,2,3,19]])
- print("原数组",a)
- print("数组a的ID:",id(a))
- b = a.view()
- print("数组b的ID:",id(b))
- #打印b数组
- print(b)
- #改变b数组形状
- b.shape = 4,3
- print("原数组a",a)
- print("新数组b",b)
输出结果：
原数组:
[[ 1 2 3 4]
[ 9 0 2 3]
[ 1 2 3 19]]
a数组id: 140280414447456
b数组id: 140280287000656
打印b数组
[[ 1 2 3 4]
[ 9 0 2 3]
[ 1 2 3 19]]
对数组b所做的更改不会反映到a数组上：
原a数组
[[ 1 2 3 4]
[ 9 0 2 3]
[ 1 2 3 19]]
新数组b
[[ 1 2 3]
[ 4 9 0]
[ 2 3 1]
[ 2 3 19]]切片创建视图
使用切片可以创建视图数组，若要修改视图的就会影响到原数组，示例如下：
- import numpy as np
- arr = np.arange(10)
- print ('数组arr：')
- print (arr)
- #创建切片修改原数组arr
- a=arr[3:]
- b=arr[3:]
- a[1]=123
- b[2]=234
- print(arr)
输出结果：
arr数组：
[ 0 1 2 3 4 5 6 7 8 9]
切片修改arr原数组：
[ 0 1 2 3 123 234 6 7 8 9]ndarray.copy()
该方法返回原数组的副本，对副本的修改不会影响到原数组。示例如下：
- import numpy as np
- a = np.array([[1,2,3,4],[9,0,2,3],[1,2,3,19]])
- print("原数组",a)
- print("a数组ID:",id(a))
- b = a.copy()
- print("b数组ID:",id(b))
- print("打印经过copy方法的b数组：")
- print(b)
- b.shape=4,3
- print("原数组",a)
- print("经过copy方法的b数组",b)
输出结果:
原始数组:
[[ 1 2 3 4]
[ 9 0 2 3]
[ 1 2 3 19]]
a数组ID: 139895697586176
b数组ID: 139895570139296
打印经过copy方法的b数组
[[ 1 2 3 4]
[ 9 0 2 3]
[ 1 2 3 19]]
对b数组的改变不会影响到a数组：
原数组
[[ 1 2 3 4]
[ 9 0 2 3]
[ 1 2 3 19]]
经过Copy方法的b数组
[[ 1 2 3]
[ 4 9 0]
[ 2 3 1]
[ 2 3 19]]