NumPy - 副本和檢視

在執行函式時，其中一些返回輸入陣列的副本，而另一些返回檢視。 當內容物理儲存在另一個位置時，稱為副本。 另一方面，如果提供了相同記憶體內容的不同檢視，我們將其稱為檢視。

無複製

簡單的賦值不會建立陣列物件的副本。 相反，它使用原始陣列的相同id()來存取它。 id()返回 Python 物件的通用識別符號，類似於 C 中的指標。

此外，一個陣列的任何變化都反映在另一個陣列上。 例如，一個陣列的形狀改變也會改變另一個陣列的形狀。

範例

import numpy as np 
a = np.arange(6)  
print  '我們的陣列是：'  
print a 
print  '呼叫 id() 函式：'  
print id(a)  
print  'a 賦值給 b：' 
b = a 
print b 
print  'b 擁有相同 id()：'  
print id(b)  
print  '修改 b 的形狀：' 
b.shape =  3,2  
print b 
print  'a 的形狀也修改了：'  
print a

輸出如下：

我們的陣列是：
[0 1 2 3 4 5]

呼叫 id() 函式：
139747815479536

a 賦值給 b：
[0 1 2 3 4 5]
b 擁有相同 id()：
139747815479536

修改 b 的形狀：
[[0 1]
 [2 3]
 [4 5]]

a 的形狀也修改了：
[[0 1]
 [2 3]
 [4 5]]

檢視或淺複製

NumPy 擁有ndarray.view()方法，它是一個新的陣列物件，並可檢視原始陣列的相同資料。 與前一種情況不同，新陣列的維數更改不會更改原始資料的維數。

範例

import numpy as np 
# 最開始 a 是個 3X2 的陣列
a = np.arange(6).reshape(3,2)  
print  '陣列 a：'  
print a 
print  '建立 a 的檢視：' 
b = a.view()  
print b 
print  '兩個陣列的 id() 不同：'  
print  'a 的 id()：'  
print id(a)  
print  'b 的 id()：'  
print id(b)  
# 修改 b 的形狀，並不會修改 a
b.shape =  2,3  
print  'b 的形狀：'  
print b 
print  'a 的形狀：'  
print a

輸出如下：

陣列 a：
[[0 1]
 [2 3]
 [4 5]]

建立 a 的檢視：
[[0 1]
 [2 3]
 [4 5]]

兩個陣列的 id() 不同：
a 的 id()：
140424307227264
b 的 id()：
140424151696288

b 的形狀：
[[0 1 2]
 [3 4 5]]

a 的形狀：
[[0 1]
 [2 3]
 [4 5]]

陣列的切片也會建立檢視：

範例

import numpy as np 
a = np.array([[10,10],  [2,3],  [4,5]])  
print  '我們的陣列：'  
print a 
print  '建立切片：' 
s = a[:,  :2]  
print s

輸出如下：

我們的陣列：
[[10 10]
 [ 2 3]
 [ 4 5]]

建立切片：
[[10 10]
 [ 2 3]
 [ 4 5]]

深複製

ndarray.copy()函式建立一個深層副本。 它是陣列及其資料的完整副本，不與原始陣列共用。

範例

import numpy as np 
a = np.array([[10,10],  [2,3],  [4,5]])  
print  '陣列 a：'  
print a 
print  '建立 a 的深層副本：' 
b = a.copy()  
print  '陣列 b：'  
print b 
# b 與 a 不共用任何內容  
print  '我們能夠寫入 b 來寫入 a 嗎？'  
print b is a 
print  '修改 b 的內容：' 
b[0,0]  =  100  
print  '修改後的陣列 b：'  
print b 
print  'a 保持不變：'  
print a

輸出如下：

陣列 a：
[[10 10]
 [ 2 3]
 [ 4 5]]

建立 a 的深層副本：
陣列 b：
[[10 10]
 [ 2 3]
 [ 4 5]]
我們能夠寫入 b 來寫入 a 嗎？
False

修改 b 的內容：
修改後的陣列 b：
[[100 10]
 [ 2 3]
 [ 4 5]]

a 保持不變：
[[10 10]
 [ 2 3]
 [ 4 5]]