NumPy 教程 之 NumPy 副本和视图 2

简介: 副本是数据的完全拷贝,对副本所做的任何更改都不会影响原始数据。而视图则是对原始数据的引用,对视图的任何操作都会影响到原始数据。视图通常通过切片操作或`ndarray.view()`函数生成;副本则通过Python序列切片操作、`deepCopy()`函数或`ndarray.copy()`函数生成。简单赋值不会创建新副本,而是共享原始数据。示例展示了简单赋值如何导致两个数组共享同一内存,更改其中一个数组的形状会影响另一个。

NumPy 教程 之 NumPy 副本和视图 2

NumPy 副本和视图

副本是一个数据的完整的拷贝,如果我们对副本进行修改,它不会影响到原始数据,物理内存不在同一位置。

视图是数据的一个别称或引用,通过该别称或引用亦便可访问、操作原有数据,但原有数据不会产生拷贝。如果我们对视图进行修改,它会影响到原始数据,物理内存在同一位置。

视图一般发生在:

1、numpy 的切片操作返回原数据的视图。
2、调用 ndarray 的 view() 函数产生一个视图。

副本一般发生在:

Python 序列的切片操作,调用deepCopy()函数。
调用 ndarray 的 copy() 函数产生一个副本。

无复制

简单的赋值不会创建数组对象的副本。 相反,它使用原始数组的相同id()来访问它。 id()返回 Python 对象的通用标识符,类似于 C 中的指针。

此外,一个数组的任何变化都反映在另一个数组上。 例如,一个数组的形状改变也会改变另一个数组的形状。

实例

import numpy as np

a = np.arange(6)
print ('我们的数组是:')
print (a)
print ('调用 id() 函数:')
print (id(a))
print ('a 赋值给 b:')
b = a
print (b)
print ('b 拥有相同 id():')
print (id(b))
print ('修改 b 的形状:')
b.shape = 3,2
print (b)
print ('a 的形状也修改了:')
print (a)

输出结果为:

我们的数组是:
[0 1 2 3 4 5]
调用 id() 函数:
4349302224
a 赋值给 b:
[0 1 2 3 4 5]
b 拥有相同 id():
4349302224
修改 b 的形状:
[[0 1]
[2 3]
[4 5]]
a 的形状也修改了:
[[0 1]
[2 3]
[4 5]]

目录
相关文章
|
2月前
|
Python
NumPy 教程 之 NumPy 副本和视图 4
副本是数据的完整拷贝,修改副本不会影响原始数据;而视图则是数据的别名,对视图的修改会影响原始数据。通常,NumPy的切片操作和`ndarray.view()`函数会产生视图,而Python序列的切片操作、`deepCopy()`函数以及`ndarray.copy()`函数则会产生副本。示例展示了如何通过切片创建视图,并且修改视图会影响原数组。变量`a`和`b`都是数组`arr`的一部分视图,尽管它们有不同的ID,但对视图的修改会直接影响原数据。
35 3
|
2月前
|
Python
NumPy 教程 之 NumPy 副本和视图 1
NumPy 副本和视图教程介绍:副本是对原始数据的完全拷贝,修改副本不会影响原始数据;而视图则是原始数据的引用,修改视图会影响原始数据。视图通常通过切片操作或 `ndarray.view()` 方法获得,副本则通过 `ndarray.copy()` 或 `deepCopy()` 函数生成。简单赋值不创建副本,而是共享原始数据。
33 9
|
2月前
|
Python
NumPy 教程 之 NumPy 副本和视图 3
副本是对原始数据的完全拷贝,修改副本不影响原始数据;而视图则是原始数据的别名,修改视图会影响原始数据。视图通常在切片操作或使用`view()`函数时产生,副本则在使用`copy()`函数或Python序列切片操作及`deepCopy()`函数时生成。示例展示了如何使用`view()`创建数组视图,并说明了其对原始数组形状的影响。
35 6
|
2月前
|
Python
NumPy 教程 之 NumPy 副本和视图 5
NumPy副本和视图教程介绍副本与视图的区别:副本是对原始数据的完全拷贝,修改副本不会影响原始数据;而视图则是对原始数据的引用,修改视图会影响原始数据。视图通常在切片操作或使用`view()`函数时产生;副本则在序列切片操作、调用`deepCopy()`或使用`copy()`函数时生成。示例展示了使用`copy()`函数创建副本,并验证了修改副本不会改变原始数据。
50 4
|
3月前
|
索引 Python
NumPy 教程 之 NumPy 高级索引 5
NumPy高级索引包括整数数组索引、布尔索引及花式索引,扩展了基本索引的功能,允许访问和操作数组中的任意元素。其中,**布尔索引**利用布尔数组来选取符合条件的元素,例如通过比较运算筛选特定值。示例展示了如何使用`~np.isnan(a)`来排除`NaN`值,输出结果为所有非`NaN`元素: `[1. 2. 3. 4. 5.]`.
31 3
|
3月前
|
索引 Python
NumPy 教程 之 NumPy 高级索引 4
NumPy 提供了高级索引方式,包括整数数组索引、布尔索引及花式索引。布尔索引可通过布尔数组筛选出满足条件(如大于某个值)的元素
19 3
|
4月前
|
索引 Python
NumPy 教程 之 NumPy 高级索引 2
NumPy高级索引包括整数数组索引、布尔索引等。整数数组索引允许通过一个整数数组访问另一个数组的元素,适用于复杂的数据选取与操作。
23 2
|
4月前
|
存储 Python
NumPy 教程 之 NumPy 创建数组 8
**NumPy创建数组:使用`zeros_like`创建与原数组形状相同的零数组。`zeros_like(a, dtype=None, order='K', subok=True, shape=None)`基于给定数组`a`的形状,生成所有元素为0的新数组。参数可定制数据类型、存储顺序和形状。实例:创建一个3x3的零矩阵。**
44 7
|
4月前
|
Python
NumPy 教程 之 NumPy 创建数组 5
`NumPy`教程:使用`numpy.ones`创建全1数组,形如`numpy.ones(shape, dtype=None, order='C')`,参数`shape`定义数组形状,`dtype`指定数据类型,默认无类型,`order`设定内存布局,默认'C'(行优先)。
30 4
|
4月前
|
Python
NumPy 教程 之 NumPy 创建数组 6
`NumPy`教程中介绍如何用`numpy.ones`创建数组:生成指定形状的全1数组。例如,`np.ones(5)`产生一维浮点数数组,`np.ones([2,2], dtype=int)`则创建二维整数数组。输出: ``` [1. 1. 1. 1. 1.] [[1 1] [1 1]] ``` 形状、数据类型(默认`None`为浮点型)和内存排列顺序(默认'C')可自定义。
36 3
下一篇
无影云桌面