Numpy 副本與視圖

視圖是指對數據的引用，通過該引用亦便可訪問、操作原有數據，但原有數據不會產生拷貝。如果我們對視圖進行修改，它會影響到原始數據，物理內存在同一位置。

副本是一個數據的完整的拷貝，如果我們對副本進行修改，它不會影響到原始數據，物理內存不在同一位置。

視圖一般發生在：

• Numpy 的切片操作返回原數據的視圖；

• 調用 ndarray 的 view() 函數產生一個視圖。

副本一般發生在：

• 在對 Python 序列進行切片操作時，同時調用 deepcopy() 函數；
• 調用 ndarray （或其切片）的時候，同時調用 copy() 函數產生一個副本。

1. 直接賦值

1.1 ndarray 的賦值特性

對已經產生的 ndarray 對象，將該對象通過 = 方式再次賦值給其他變量，并不會創建數組對象的副本。即在該過程中產生的變量，都指向同一塊物理內存地址。

案例

對于不同的變量，可以用 id() 函數來查看其對應的通用標識符，進而判斷是否具有同一性。

a = np.arange(12)
print("數組a：", a)
print("數組a的id：", id(a))

打印結果為：

out:
    數組a： [ 0  1  2  3  4  5  6  7  8  9 10 11]
    數組a的id： 1383613133408

通過把 a 賦值給 b，創建一個新變量：

b = a
print("數組a：", b)
print("數組a的id：", id(b))

打印結果為：

數組a： [ 0  1  2  3  4  5  6  7  8  9 10 11]
數組a的id： 1383613133408

可以發現 a 和 b 的 id 完全一致，并且我們可以利用 is 判定符來佐證同一性的判定結論：

a is b
out:
    True

案例

在對 a 進行修改操作時，響應的效果也會同步顯示在 b 變量中。

a.shape=(3,4)
a
out:
    array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

修改 a 為二維數組，相應的，b也會產生同樣的變化：

b
out:
    array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

2 視圖或淺拷貝

2.1 ndarray.view()

ndarray.view() 方會創建一個新的數組對象，該方法創建的新數組的維數更改不會更改原始數據的維數。

a = np.arange(6).reshape(3,2)
print("數組a：", a)
print("數組a的id：", id(a))

打印結果為：

數組a： [[0 1]
        [2 3]
        [4 5]]
數組a的id： 1383613212272

創建 a 的視圖 b：

b = a.view()
print("視圖b：", b)
print("視圖b的id：", id(b))

打印結果為：

視圖b： [[0 1]
 		[2 3]
 		[4 5]]
視圖b的id： 1383613212672

可以看到，在視圖產生的過程中，a 和 b 的 id 并不一致，這說明視圖和直接賦值是不一樣的。

案例

對視圖 b 進行元素修改，該修改會同步反饋在變量 a 中：

b[0,0]=100
print("數組b：", b)
print("數組a：", a)

打印結果為：

數組b： [[100   1]
 		[  2   3]
 		[  4   5]]
數組a： [[100   1]
 		[  2   3]
 		[  4   5]]

案例

對視圖 b 進行形狀修改，并不影響到 a：

b.shape=2,3
print("數組b：", b)
print("數組a：", a)

打印結果為：

數組b： array([[100,   1,   2],
            [  3,   4,   5]])
數組a： [[100   1]
 		[  2   3]
 		[  4   5]]

2.2 切片

使用切片創建視圖修改數組元素會影響到原始數組。

arr = np.arange(12)
print ("數組arr：", arr)

創建的 arr 數組為：

數組arr： [ 0  1  2  3  4  5  6  7  8  9 10 11]

分別通過切片產生 a 和 b：

a=arr[3:]
b=arr[3:]
print("修改前的切片a：", a)
print("修改前的切片b：", b)

切片結果 a 和 b 為：

修改前的切片a： [ 3  4  5  6  7  8  9 10 11]
修改前的切片b： [ 3  4  5  6  7  8  9 10 11]

分別改變切片 a 和 b 中的元素：

a[1]=123
b[2]=234
print("修改后的切片a：", a)
print("修改后的切片b：", b)

修改后的 a 和 b 為：

修改后的切片a： [  3 123 234   6   7   8   9  10  11]
修改后的切片b： [  3 123 234   6   7   8   9  10  11]

可以看到，對 a 和 b 所做的修改，都同時出現了。這說明切片直接是互相影響的。

print("修改后的原數組arr：", arr)

打印結果為：

修改后的原數組arr： [  0   1   2   3 123 234   6   7   8   9  10  11]

綜合看下來，我們可以發現：變量 a,b 都是 arr 的一部分視圖，對視圖的修改會直接反映到原數據和相關切片中。

3 副本或深拷貝

3.1 ndarray.copy()

ndarray.copy() 函數創建一個副本。 對副本數據進行修改，不會影響到原始數據，它們物理內存不在同一位置。

案例

創建數組 a，并產生 a 的副本，記為 b：

a = np.array([[0,1], [2,3], [4,5]])
b = a.copy()

判斷 a 和 b 是否具有同一性：

b is a
out:
    False

可以看到，a 和 b 互相獨立，這和賦值顯然不同。

對副本進行修改，觀察原始數組：

b[0,0]=100
print("修改后的數組b：", b)
print("原始數組a：", a)

打印結果為：

修改后的數組b： [[100   1]
			 [  2   3]
			 [  4   5]]
原始數組a： [[0 1]
		  [2 3]
		  [4 5]]

可以發現，副本產生的變化，并不會對原始數組產生影響。

4. 小結

本小節講解了視圖和副本的概念和區別。副本是對原始數組的完整拷貝，二者互相獨立，并不互相影響，但是物理內存的開銷會加倍。而視圖（切片）是對原始數據的一種映射，物理內存的開銷相對小一些；對視圖（切片）的元素更改，會相應地反映到原始數組中，這是二者最大的區別。