numpy——深拷贝和浅拷贝和不拷贝

 

深拷贝和浅拷贝

不拷贝：

如果只是简单的赋值，那么不会进行拷贝。

 

import numpy as np
a= np.arange(10)
print(a)
b = a #赋值,对相同数值进行不同命名，
print(b)
print(b is a)

 

[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]
True

 

View或者浅拷贝：

有些情况，会进行变量的拷贝，但是他们所指向的内存空间都是一样的，那么这种情况叫做浅拷贝，或者叫做View(视图)。

 

import numpy as np
a= np.arange(10)
print(a)
b = a.view() #不同变量，但是他们指向的内存空间是一样的，修改B的值会改变a的值
print(b)
print(b is a)
b[2] = 100
print('修改之后的B值',b)
print('修改之后的A值',a)

 

[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]
False
修改之后的B值 [  0   1 100   3   4   5   6   7   8   9]
修改之后的A值 [  0   1 100   3   4   5   6   7   8   9]

 

深拷贝：

将之前数据完完整整的拷贝一份放到另外一块内存空间中，这样就是两个完全不同的值了。

 

import numpy as np
a= np.arange(10)
print(a)
b = a.copy()
print(b)
print(b is a)
b[2] = 100
print('修改之后的B值',b)
print('修改之后的A值',a)

 

[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]
False
修改之后的B值 [  0   1 100   3   4   5   6   7   8   9]
修改之后的A值 [0 1 2 3 4 5 6 7 8 9]