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：

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：

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：

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: