Копии и представления в NumPy

Копия — это полная копия данных. Если мы изменим копию, это не повлияет на исходные данные; они находятся не в одном и том же месте физической памяти.

Представление — это псевдоним или ссылка на данные. Через этот псевдоним или ссылку можно получать доступ к исходным данным и манипулировать ими, но копия исходных данных не создаётся. Если мы изменим представление, это повлияет на исходные данные; они находятся в одном и том же месте физической памяти.

Представления обычно возникают в следующих случаях:

  • 1. Операции среза NumPy возвращают представление исходных данных.
  • 2. Вызов функции ndarray view() создаёт представление.

Копии обычно возникают в следующих случаях:

  • Операции среза последовательностей Python и вызов функции deepCopy().
  • Вызов функции ndarray copy() создаёт копию.

Без копирования

Простое присваивание не создаёт копию объекта массива. Вместо этого для доступа к нему используется тот же id(), что и у исходного массива. id() возвращает общий идентификатор объекта Python, подобно указателю в C.

Кроме того, любые изменения одного массива отражаются на другом массиве. Например, изменение формы одного массива также изменит форму другого массива.

Пример

import numpy as np a = np.arange(6) print ('Наш массив:') print (a) print ('Вызов функции id():') print (id(a)) print ('Присвойте a переменной b:') b = a print (b) print ('b имеет тот же id():') print (id(b)) print ('Измените форму b:') b.shape = 3,2 print (b) print ('Форма a также изменяется:') print (a)

Результат вывода:

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]]

Представление или поверхностная копия

Метод ndarray.view() создает новый объект массива. Изменение размеров нового массива, созданного этим методом, не изменяет размеры исходных данных.

Пример

import numpy as np # Изначально a — это массив 3X2 a = np.arange(6).reshape(3,2) print ('Массив a:') print (a) print ('Создайте представление a:') b = a.view() print (b) print ('id() двух массивов различаются:') print ('id() для a:') print (id(a)) print ('id() для b:' ) print (id(b)) # Изменение формы b не изменяет a b.shape = 2,3 print ('форма b:') print (b) print ('форма a:') print (a)

Результат вывода:

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]]

Использование срезов для создания представлений и изменение данных повлияет на исходный массив:

Пример

import numpy as np arr = np.arange(12) print ('Наш массив:') print (arr) print ('Создайте срез:') a=arr[3:] b=arr[3:] a[1]=123 b[2]=234 print(arr) print(id(a),id(b),id(arr[3:]))

Результат вывода:

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

Переменные a и b являются представлениями частей arr. Изменения в представлениях напрямую отражаются в исходных данных. Но если мы посмотрим на идентификаторы a и b, они различаются. То есть, хотя представления указывают на исходные данные, они всё равно отличаются от ссылок, созданных присваиванием.

Копирование или глубокая копия

Функция ndarray.copy() создаёт копию. Изменение данных копии не влияет на исходные данные; они находятся не в одной и той же области физической памяти.

Пример

import numpy as np a = np.array([[10,10], [2,3], [4,5]]) print ('Массив a:') print (a) print ('Создайте глубокую копию a:') b = a.copy() print ('Массив b:') print (b) # b не имеет ничего общего с a print ('Можем ли мы записать в b, чтобы изменить a?') print (b is a) print ('Измените содержимое b:') b[0,0] = 100 print ('Изменённый массив b:') print (b) print ('a остаётся неизменным:') print (a)

Результат вывода:

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]]

Другие связанные статьи

Анализ прямого присваивания, поверхностного и глубокого копирования в Python

Другие расширения