NumPy コピーとビュー

コピーはデータの完全な複製です。コピーを変更しても元のデータには影響しません。物理メモリは同じ位置にありません。

ビューはデータの別名または参照です。その別名または参照を通じて元のデータにアクセス・操作できますが、元のデータはコピーされません。ビューを変更すると元のデータに影響し、物理メモリは同じ位置にあります。

ビューは一般的に次の場合に発生します:

  • 1、numpy のスライス操作は元のデータのビューを返します。
  • 2、ndarray の view() 関数を呼び出すとビューが生成されます。

コピーは一般的に次の場合に発生します:

  • Python シーケンスのスライス操作、deepCopy() 関数の呼び出し。
  • ndarray の copy() 関数を呼び出すとコピーが生成されます。

コピーなし

単純な代入は配列オブジェクトのコピーを作成しません。代わりに、元の配列と同じ id() を使用してアクセスします。 id() は Python オブジェクトの汎用識別子を返し、C 言語のポインタに似ています。

さらに、一方の配列の変更は他方の配列にも反映されます。例えば、一方の配列の形状を変更すると、他方の配列の形状も変わります。

例

import numpy as np a = np.arange(6) print ('私たちの配列は次のとおりです:') print (a) print ('id() 関数を呼び出します:') print (id(a)) print ('a を b に代入します:') b = a print (b) print ('b は同じ id() を持ちます:') print (id(b)) print ('b の形状を変更します:') b.shape = 3,2 print (b) print ('a の形状も変更されました:') print (a)

出力結果は次のとおりです:

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]]

ビューまたはシャローコピー

ndarray.view() メソッドは新しい配列オブジェクトを作成します。このメソッドで作成された新しい配列の次元を変更しても、元のデータの次元は変わりません。

例

import numpy as np # 最初、a は 3X2 の配列です a = np.arange(6).reshape(3,2) print ('配列 a:') print (a) print ('a のビューを作成します:') b = a.view() print (b) print ('2 つの配列の id() は異なります:') print ('a の id():') print (id(a)) print ('b の id():' ) print (id(b)) # b の形状を変更しても、a は変更されません b.shape = 2,3 print ('b の形状:') print (b) print ('a の形状:') print (a)

出力結果は次のとおりです:

数组 a:
[[0 1]
 [2 3]
 [4 5]]
创建 a 的视图:
[[0 1]
 [2 3]
 [4 5]]
两个数组的 id() 不同:
a 的 id():
4314786992
b 的 id():
4315171296
b 的形状:
[[0 1 2]
 [3 4 5]]
a 的形状:
[[0 1]
 [2 3]
 [4 5]]

スライスを使用してビューを作成しデータを変更すると、元の配列に影響します:

例

import numpy as np arr = np.arange(12) print ('私たちの配列:') print (arr) print ('スライスを作成します:') a=arr[3:] b=arr[3:] a[1]=123 b[2]=234 print(arr) print(id(a),id(b),id(arr[3:]))

出力結果は次のとおりです:

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

変数 a, b はどちらも arr の一部のビューであり、ビューへの変更は元のデータに直接反映されます。しかし、a, b の id を観察すると、それらは異なります。つまり、ビューは元のデータを指していますが、代入による参照とはまだ違いがあります。

コピーまたはディープコピー

ndarray.copy() 関数はコピーを作成します。コピーのデータを変更しても元のデータには影響せず、それらの物理メモリは同じ位置にありません。

例

import numpy as np a = np.array([[10,10], [2,3], [4,5]]) print ('配列 a:') print (a) print ('a のディープコピーを作成します:') b = a.copy() print ('配列 b:') print (b) # b と a は何も共有していません print ('b に書き込むことで a に書き込むことはできますか?') print (b is a) print ('b の内容を変更します:') b[0,0] = 100 print ('変更後の配列 b:') print (b) print ('a は変更されません:') print (a)

出力結果は次のとおりです:

数组 a:
[[10 10]
 [ 2  3]
 [ 4  5]]
创建 a 的深层副本:
数组 b:
[[10 10]
 [ 2  3]
 [ 4  5]]
我们能够写入 b 来写入 a 吗?
False
修改 b 的内容:
修改后的数组 b:
[[100  10]
 [  2   3]
 [  4   5]]
a 保持不变:
[[10 10]
 [ 2  3]
 [ 4  5]]

関連記事をもっと見る

Python の直接代入、シャローコピー、ディープコピーの解析

その他の拡張