二、Python开发---32、numpy（7）

副本与视图

　　在执行函数时，其中一些返回输入数组的副本，而另一些返回视图；当物理存储在另一位置时，称为副本，另一方面，如果提供了相同内存内容的，则将其称为视图

　　无复制，简单的赋值不会创建对象的副本，相反，它使用原始数组的相同id（）来访问它；id（）返回python对象的内存地址，类似于C中的指针

import numpy as np
arr = np.arange(6)
print(arr)                          #输出为 [0 1 2 3 4 5]
print(id(arr))                      #输出为 2819351031120
brr = arr
#brr的id与arr的相同
print(id(brr))                      #输出为 2819351031120
#修改brr的形状arr的也会随之改变
brr.shape = (2,3)
print(brr)                          #输出为 [[0 1 2]
                                    #       [3 4 5]]
print(arr)                          #输出为 [[0 1 2]
                                    #       [3 4 5]]

　　视图或浅复制
　　numpy拥有ndarray.view（）方法，它是一个新的数组对象，并且有与原始数据相同的数据，与前一种情况不同，新数组的位数更改不会影响原始数据的维数，数组的切片也会创建视图，但内容的改变，会影响原始数据，它们的物理内存不一样

import numpy as np
arr = np.arange(6).reshape(2,3)
print(arr)                          #输出为 [[0 1 2]
                                    #       [3 4 5]]
print(id(arr))                      #输出为 1947690446400
#创建arr的视图brr，brr = arr.view()
brr = arr.view()
#brr的id与arr的不相同
print(brr)                          #输出为 [[0 1 2]
                                    #       [3 4 5]]
print(id(brr))                      #输出为 1947693302368
#修改brr的形状arr的不会改变，但是更改brr里面的值arr的也会改变
brr.shape = (1,6)
brr[0,0] = 10
print(brr)                          #输出为 [[10  1  2  3  4  5]]
print(arr)                          #输出为 [[10  1  2]
                                    #       [ 3  4  5]]

　　副本深复制
　　ndarray.copy（）函数创建一个深层副本， 它是数组及其数据的完整副本，不与原始数组共享，物理内存独立，数据修改也不影响原数据

import numpy as np
arr = np.array([[4,5,6],[7,8,9]])
print(arr)                              #输出为 [[4 5 6]
                                        #       [7 8 9]]
#查看原数组的ID
print(id(arr))                          #输出为 2195164605776
#创建arr的副本，brr = arr.copy()
brr = arr.copy()
#brr的id与arr的不相同
print(brr)                              #输出为 [[4 5 6]
                                        #       [7 8 9]]
print(id(brr))                          #输出为 2195166379824
#修改brr的值arr的不会改变
brr[0,0] = 10
print(brr)                              #输出为 [[10  5  6]
                                        #       [ 7  8  9]]
print(arr)                              #输出为 [[4 5 6]
                                        #       [7 8 9]]