Python中Numpy的深拷貝和淺拷貝

更新時間：2022年05月24日 17:05:35 作者：sgzqc

這篇文章主要介紹了Python中Numpy的深拷貝和淺拷貝，通過講解Python中對Numpy數(shù)組操作的淺拷貝和深拷貝的概念和背后的原理展開全文，需要的小伙伴可以參考一下

1. 引言

深拷貝和淺拷貝是Python中重要的概念，本文重點介紹在NumPy中深拷貝和淺拷貝相關操作的定義和背后的原理。
閑話少說，我們直接開始吧！

2. 淺拷貝

2.1 問題引入

我們來舉個栗子，如下所示我們有兩個數(shù)組a和b，樣例代碼如下：

import numpy as np
a = np.array([1, 2, 3])
b = a
print('a =', a)
print('b =', b)

輸出如下：

a = [1 2 3]
b = [1 2 3]

此時如果我們對數(shù)組a做如下改變，代碼如下：

import numpy as np
a = np.array([1, 2, 3])
b = a
a [0] = 42
print('a =', a)
print('b =', b)

那么我們的問題為：此時b的值應該為多少？
運行上述代碼后，我們得到輸出如下：

a = [42 2 3]
b = [42 2 3]

2.2 問題剖析

也許有人會覺得輸出應該為??a=[42 2 3]?? 和 ??b=[1 2 3]?? ,但是運行上述代碼后我們發(fā)現(xiàn)??a??和??b??的值均發(fā)生了相應的改變。這主要是由于在??Numpy??中對變量的賦值操作，實際上發(fā)生的為淺拷貝。

換句話說，此時兩個變量指向同一塊內存地址，如下所示：

所以，此時如果我們修改數(shù)組??original_array??中的某個元素，`copy_array

??由于和??original_array`公用同一塊內存，所以其中的元素也會發(fā)生相應的變化。

3. 深拷貝

3.1 舉個栗子

如果我們想要對??Numpy??數(shù)組執(zhí)行深拷貝，此時我們可以使用函數(shù)??copy()??。

相關的樣例代碼如下：

import numpy as np
a = np.array([1, 2, 3])
b = a.copy()
print('a =', a)
print('b =', b)

輸出如下：

a = [1 2 3]
b = [1 2 3]

此時，如果我們改變數(shù)組??a??中的元素，代碼如下：

import numpy as np
a = np.array([1, 2, 3])
b = a.copy()
a [0] = 42
print('a =', a)
print('b =', b)

此時的代碼輸出如下：

a = [42 2 3]
b = [1 2 3]

3.2 探究原因

觀察上述輸出，我們可以清楚地看到數(shù)組??a??發(fā)生了改變而數(shù)組??b??沒有發(fā)生變化，這是由于我們使用了深拷貝。

此時的內存地址如下：

由于 ??original_array??和??copy_array??指向不同的內存地址空間，所以此時我們對??original_array??的改變并不會對??copy_array??帶來影響。

4. 技巧總結

經過上述對深拷貝和淺拷貝的舉例和示例，相信大家都已有了清晰的認識，接著我們對上述知識點進行總結，歸納如下：

4.1 判斷是否指向同一內存

如果我們需要知道兩個變量是否指向同一塊內存地址，我們可以方便地使用??is??操作。

淺拷貝示例：

a = np.array([1, 2, 3])
b = a
print(b is a)

輸出如下：

True

深拷貝示例：

a = np.array([1, 2, 3])
b = a.copy()
print(b is a)

輸出如下：

False

4.2 其他數(shù)據(jù)類型

盡管本文中所有的示例都使用了NumPy數(shù)組，但本文中所涉及的知識也適用于Python中的列表和字典等其他數(shù)據(jù)類型。
總之，我們需要時刻記載心中：在淺拷貝中，原始數(shù)組和新的數(shù)組共同執(zhí)行同一塊內存；同時在深拷貝中，新的數(shù)組是原始數(shù)據(jù)的單獨的拷貝，它指向一塊新的內存地址。