NumPy快速入门--复制/视图/深拷贝
文章目录
- 1. 完全不复制
- 2. 视图或浅复制
- 3. 深拷贝
当计算和操作数组时,它们的数据有时被复制到新的数组中,有时不复制。对于初学者来说,这经常是一个混乱的来源。有三种情况:
1. 完全不复制
- 简单赋值不会创建新的副本。
>>> a = np.arange(12)
>>> b = a
>>> b is a
True
>>> b.shape
(12,)
>>> b.shape = 3,4
>>> a.shape
(3, 4)
>>> id(a) #a、b的 id 号一样,没有创建新的数据
2432625948272
>>> id(b)
2432625948272
- Python将可变对象作为引用传递,所以函数调用不会复制。
>>> def f(x):print(id(x))>>> id(a)
2432625948272
>>> f(a) # 传入函数的对象a的id打印出来和之前一样,没有新对象产生
2432625948272
2. 视图或浅复制
- 不同的数组对象可以共享相同的数据。
view
方法创建一个新的数组对象,它查看相同的数据。
>>> c = a.view()
>>> c is a
False
>>> c.base is a
True
>>> c.flags.owndata # 返回 False,c 并不保管数据
False
>>> a.flags.owndata # 返回 True,数据由 a 保管
True
>>> c.shape
(3, 4)
>>> a.shape
(3, 4)
>>> c.shape = 2,6 # 形状不会同步
>>> c[0,4] = 1234 # 共享数据,a的也会变,数据同步
>>> c
array([[ 0, 1, 2, 3, 1234, 5],[ 6, 7, 8, 9, 10, 11]])
>>> a
array([[ 0, 1, 2, 3],[1234, 5, 6, 7], # 1234也在里面[ 8, 9, 10, 11]])
- 对数组切片返回一个视图view
>>> s = a[:,1:3] # s是a的切片,是a的一个view
>>> s
array([[ 1, 2],[ 5, 6],[ 9, 10]])
>>> s[:] = 999 # s 全部改数据
>>> s
array([[999, 999],[999, 999],[999, 999]])
>>> a # a中的s切片部分数据都被改了
array([[ 0, 999, 999, 3],[1234, 999, 999, 7],[ 8, 999, 999, 11]])
3. 深拷贝
参考链接
copy
方法生成数组及其数据的完整拷贝。
>>> a = np.arange(12).reshape(3,4)
>>> a
array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])>>> d = a.copy() # 新的对象
>>> d is a
False
>>> d.base is a # 与a没有任何联系
False
>>> d[0,0] = 999
>>> d
array([[999, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])
>>> a
array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])
NumPy快速入门--复制/视图/深拷贝相关推荐
- numpy安装_Python进阶之NumPy快速入门(一)
前言 NumPy是Python的一个扩展库,负责数组和矩阵运行.相较于传统Python,NumPy运行效率高,速度快,是利用Python处理数据必不可少的工具. 这个NumPy快速入门系列分为四篇,包 ...
- NumPy 快速入门系列:应用统计学基础概念、相关统计指标与NumPy的实现
NumPy 快速入门系列:应用统计学基础概念.相关统计指标与NumPy的实现 前言: 统计学导论: 统计学定义: 统计学分类: 统计学基本概念: 统计过程: 统计指标与NumPy: 用 Python ...
- 《Python数据分析基础教程:NumPy学习指南(第2版)》笔记1:第一章 NumPy快速入门
NumPy快速入门 1.1 Python NumPy是基于Python的,因此在安装NumPy之前,需要先安装Python.某些操作系统已经默认安装有Python环境,但仍需检查Python的版本是否 ...
- Python3数据分析——NumPy快速入门教程(官网教程翻译)
目录 一.基础篇 1.创建数组 2.打印数组 3.基本运算 4.通用函数(ufunc) 5.索引,切片和迭代 二.形状操作 1.更改数组的形状 2.组合(stack)不同的数组 3.将一个数组分割(s ...
- NumPy快速入门--形状操作
文章目录 1. 更改数组的形状 2. 将不同数组堆叠在一起 3. 将一个数组分成几个较小的数组 1. 更改数组的形状 >>> import numpy as np >>& ...
- python科学计算教学_Python最好用的科学计算库:NumPy快速入门教程(二)
形状操作 首先导入numpy库 >>> import numpy as np 改变数组的形状 数组的形状由每个维度的元素的数量决定. >>> a = np.floo ...
- NumPy快速入门-- Less 基础/线性代数
文章目录 1. 广播(Broadcasting)规则 2. 使用索引数组索引 3. 使用布尔值作为数组索引 4. ix_()函数 5. 线性代数 简单数组操作 6. 技巧和提示 6.1 "自 ...
- NumPy快速入门--基础知识
文章目录 1. 一个典型例子 2. 数组的创建 3. 打印数组 4. 基本操作 5. 通用函数 6. 索引.切片.迭代 NumPy的数组类被称为ndarray.别名为 array. ndarray.n ...
- 学习numpy快速入门教程 心得体会(1)
一.numpy的主要对象 NumPy的主要对象是同构多维数组.例如,在3D空间中的一个点坐标为[1, 3, 5]具有一个轴(只有一层[ ]),轴中有3个元素,所以我们说它长度为3.另外,多维数组中轴的 ...
最新文章
- 正则表达式截取URL参数值
- vue-cookies的使用
- mysql恢复root用户_恢复MYSQL的root用户
- 善用工具_如何善用色彩心理学
- 你竟然没用 Nuget 构建项目?
- Android:四大架构的优缺点,你真的了解吗?
- 大数据之-Hadoop源码编译_源码编译的意义---大数据之hadoop工作笔记0044
- 如何删除网关的session_微服务安全认证架构是如何演进而来的?坐好小板凳一起来听一听...
- 【毕业设计】asp.net基于工作流引擎的系统框架设计开发(源代码+论文)
- 开课吧Java课堂:什么是流?如何运用字节流和字符流?
- RabbitMQ基础--总结
- 图像各向异性扩散(一)
- 基于改进注意力机制的U-Net模型实现及应用(keras框架实现)
- NB-IoT、LoRa逐渐商用 连接物联网长尾效应凸显
- android下雨动画效果,Android利用SurfaceView实现下雨的天气动画效果
- 【第41篇】ConvMAE:Masked Convolution 遇到 Masked Autoencoders
- urho3D 运动逆解Inverse Kinematics
- 通过爬虫获取第五人格游戏信息整理并分析(一)
- 关于敏捷开发的一篇访谈录
- Node学习HTTP模块(HTTP 服务器与客户端)
热门文章
- stm32c语言设计以及注释,13个基于STM32的经典项目设计实例,全套资料~-嵌入式系统-与非网...
- matlab 作图 虚线太长,matlab 极坐标绘图 在matlab中,用polar画的图形,如何使虚线圆多显示几个?...
- 计算机一级繁体字转换,繁体字转换器
- 富士 FinePix F401
- springboot+thymeleaf+pageHelper带条件分页查询
- 深入解析hostname
- IOS的 testflight测试设置
- Linux网络服务器epoll模型的socket通讯的实现(一)
- 【基础知识】Sticky Bit, SUID,SGID
- AliasDB:简单统一灵活的数据库访问库(支持MSSQL/MySQL/SQLite/Oracle/ODBC/OleDb)适用于中小型系统...