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(guān)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(yīng)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(yīng)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(yīng)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(nèi)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(nèi)存，所以其中的元素也會發(fā)生相應(yīng)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(guān)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(nèi)存地址如下：

由于 original_array和copy_array指向不同的內(nèi)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(jié)

經(jīng)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(rèn)識，接著我們對上述知識點進行總結(jié)，歸納如下：

4.1 判斷是否指向同一內(nèi)存

如果我們需要知道兩個變量是否指向同一塊內(nèi)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(nèi)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(nèi)存地址。

5. 總結(jié)

本文重點介紹了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，同時給出了相應(yīng)的代碼示例。

到此這篇關(guān)于一文帶你搞懂Numpy中的深拷貝和淺拷貝的文章就介紹到這了,更多相關(guān)Numpy深拷貝 淺拷貝內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！