NumPy 教程 之 NumPy 副本和视图 4

简介: 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。

NumPy 教程 之 NumPy 副本和视图 4

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。

视图或浅拷贝

ndarray.view() 方会创建一个新的数组对象,该方法创建的新数组的维数变化不会改变原始数据的维数。

使用切片创建视图修改数据会影响到原始数组:

实例

import numpy as np

arr = np.arange(12)
print ('我们的数组:')
print (arr)
print ('创建切片:')
a=arr[3:]
b=arr[3:]
a[1]=123
b[2]=234
print(arr)
print(id(a),id(b),id(arr[3:]))

输出结果为:

我们的数组:
[ 0 1 2 3 4 5 6 7 8 9 10 11]
创建切片:
[ 0 1 2 3 123 234 6 7 8 9 10 11]
4545878416 4545878496 4545878576

变量 a,b 都是 arr 的一部分视图,对视图的修改会直接反映到原数据中。但是我们观察 a,b 的 id,他们是不同的,也就是说,视图虽然指向原数据,但是他们和赋值引用还是有区别的。

目录
相关文章
|
29天前
|
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。
27 9
|
29天前
|
Python
NumPy 教程 之 NumPy 副本和视图 2
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。
31 7
|
29天前
|
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。
27 6
|
27天前
|
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。
44 4
|
3月前
|
索引 Python
NumPy 教程 之 NumPy 高级索引 1
NumPy高级索引使用整数数组、布尔数组等来访问数组元素,支持复杂操作与修改。例如,整数数组索引可选取特定位置的元素: ```python import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,2], [0,1,0]] print(y) ``` 输出: `[1 4 5]`.
25 5
|
2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
14 3
|
2月前
|
索引 Python
NumPy 教程 之 NumPy 高级索引 8
NumPy高级索引包括整数数组索引、布尔索引及花式索引,允许访问数组中的任意元素并执行复杂操作。花式索引通过整数数组定位元素,不同于切片,它始终复制数据到新数组。
24 1
|
3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。**
37 7
|
3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。
29 3
|
3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)。
28 4