Numpy的视图与副本

一. 什么是视图和副本

• 视图：可理解为原有数据的一个别称或引用（但是这个引用和赋值产生的引用不同），通过该别称或引用便可访问、操作原有数据，但原有数据不会产生拷贝，所以对于视图的修改会反映到原数据中，类似于Java的浅拷贝。
• 副本：数据的一个完整的拷贝，修改副本不会影响原数据，类似于Java中的深拷贝。

二. 何时出现视图，何时出现副本

视图一般发生在：

• numpy的切片操作返回原数据的视图
• 调用ndarray的view()函数产生一个视图

副本一般发生在：

• Python序列的切片操作
• 调用ndarray的copy()函数产生一个副本

三. 具体看几个栗子

1. 完全不发生拷贝

这种情况一般发生在赋值操作中。看下面这个栗子，两个变量a,b都指向同一块内存区域，id相同，完全没有发生拷贝。

a=[1,2,3,4]
b=a
print(id(a),id(b))

Out:
196674184 196674184

2. 发生视图的情况

Numpy的切片操作会返回原数据的视图，变量a,b都是arr的一部分视图，对视图的修改会直接反映到原数据中。但是我们观察a,b的id，他们是不同的，也就是说，视图虽然指向原数据，但是他们和赋值引用还是有区别的。

arr=np.arange(12)
print(arr)
a=arr[3:]
b=arr[3:]
a[1]=123
b[2]=234
print(arr)
print(id(a),id(b),id(arr[3:]))

Out：
[ 0  1  2  3  4  5  6  7  8  9 10 11]
[  0   1   2   3 123 234   6   7   8   9  10  11]
196727792 196728512 196728192

3. 发生副本的情况

Python序列的切片会 返回一个副本，修改副本对原数据不影响。

arr=[1,2,3,4,5]
a=arr[1:]
a[3]=111
print(arr,a)

Out:
[1, 2, 3, 4, 5] [2, 3, 4, 111]