玩蛇网提供最新Python编程技术信息以及Python资源下载!

python numpy deep copy相关问题

在列表中,b=a[:]b=a.copy()是具有相同效果的,都可以用来deep copy,但是在numpy 数组中两者效果却不同,b=a[:]复制后b仍然随着a的改变而改变,但是两者指向的内存地址却不同,b is a也返回false,这是为什么呢?谢谢!

>>>import numpy as np
>>>a=np.arange(4)
>>>b=a
>>>c=a[:]
>>>d=a.copy()
>>>a[3]=10
>>>id(a)
140572616448320
>>>id(b)
140572616448320         # a,b的指针地址相同
>>>id(c)
140572616446080
>>>id(d)
140572616448640 
>>>a
array([ 0,  1,  2, 10])
>>>b
array([ 0,  1,  2, 10])
>>>c
array([ 0,  1,  2, 10]) # a,c的指针地址不同,变化却是一致的
>>>d
array([0, 1, 2, 3])

numpy关于copy有三种情况,完全不复制视图(view或者叫浅复制(shadow copy)和深复制deep copy)。

b = a[:]就属于第二种,即视图,这本质上是一种切片操作(slicing),所有的切片操作返回的都是视图。具体来说,b = a[:]会创建一个新的对象b(所以说 id 和a不一样),但是b的数据完全来自于a,和a保持完全一致,换句话说,b的数据完全由a保管,他们两个的数据变化是一致的,可以看下面的示例:

a = np.arange(4)  # array([0, 1, 2, 3])
b = a[:]  # array([0, 1, 2, 3])

b.flags.owndata  # 返回 False,b 并不保管数据
a.flags.owndata  # 返回 True,数据由 a 保管

# 改变 a 同时也影响到 b
a[-1] = 10  # array([0, 1, 2, 10])
b  #  array([0, 1, 2, 10])

# 改变 b 同时也影响到 a
b[0] = 10  # array([10, 1, 2, 10])
a  # array([10, 1, 2, 10])

b = ab = a[:] 的差别就在于后者会创建新的对象,前者不会。两种方式都会导致ab的数据相互影响。

要想不让a的改动影响到b,可以使用深复制:

unique_b = a.copy()

玩蛇网文章,转载请注明出处和文章网址:https://www.iplaypy.com/wenda/wd14122.html

相关文章 Recommend

玩蛇网Python互助QQ群,欢迎加入-->: 106381465 玩蛇网Python新手群
修订日期:2017年05月24日 - 19时40分53秒 发布自玩蛇网

您现在的位置: 玩蛇网首页 > Python问题解答 > 正文内容
我要分享到:

必知PYTHON教程 Must Know PYTHON Tutorials

必知PYTHON模块 Must Know PYTHON Modules