NumPy之三：拷贝和视图

当对数组进行运算和操作时，其数据有时会被拷贝到一个新的数组而有时又不会拷贝。这一点常常对刚使用NumPy的用户造成困惑。以下有三种情况:

1. 完全不拷贝

简单的任务是不会对数组或其数据进行拷贝的。

>>> a = np.arange(12)>>> b = a            # 不会创建新的对象>>> b is a           # a和b是同一个ndarray对象的两个名字True>>> b.shape = 3,4    # 也会改变a的形状>>> a.shape(3, 4)

Python传递可变对象的引用，因此函数调用不会进行拷贝。

>>> def f(x):...     print(id(x))...>>> id(a)                           # id是对象的唯一标识148293216>>> f(a)148293216

2. 视图或浅拷贝

不同的数组对象可以共享相同的数据。view方法会创建一个共享原数组数据的新的数组对象。

如果数组A是数组B的视图(view)，则称B为A的base(除非B也是视图)。视图数组中的数据实际上保存在base数组中。

>>> c = a.view()>>> c is aFalse>>> c.base is a                        # c is a view of the data owned by aTrue>>> a.flags.owndata                    # a拥有数据True>>> c.flags.owndata                    # c并不拥有数据False>>>>>> c.shape = 2,6                      # a的形状并不随之改变>>> a.shape(3, 4)>>> c[0,4] = 1234                      # a的数据也会变>>> aarray([[   0,    1,    2,    3],       [1234,    5,    6,    7],       [   8,    9,   10,   11]])

对数组切片返回的是其视图：

>>> s = a[ : , 1:3]     # spaces added for clarity; could also be written "s = a[:,1:3]">>> s[:] = 10           # s[:]是s的视图。注意s=10 和 s[:]=10的不同>>> aarray([[   0,   10,   10,    3],       [1234,   10,   10,    7],       [   8,   10,   10,   11]])

3. 深拷贝

copy方法会对数组和其数据进行完全拷贝。

>>> d = a.copy()                          # 创建了新的数组和新的数据>>> d is aFalse>>> d.base is a                           # d没有和a共享任何数据False>>> d[0,0] = 9999>>> aarray([[   0,   10,   10,    3],       [1234,   10,   10,    7],       [   8,   10,   10,   11]])