引入:引用、副本、视图
在介绍Numpy中的切片前首先要引入三个概念：引用、副本和视图
引用即通过赋值操作使得不同标识符指向同一个对象。如果该对象为可变对象,对一个变量进行了修改，会同步修改。
副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。
视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据。
引用一般发生在：
- 赋值操作
视图一般发生在：
- 1、numpy 的切片操作返回原数据的视图。
- 2、调用 ndarray 的 view() 函数产生一个视图。
副本一般发生在：
- Python中调用deepCopy()函数。
- 调用 ndarray 的 copy() 函数产生一个副本。
对应python中的概念：numpy中引用 = python中引用；numpy中视图 = python中浅拷贝；numpy中副本 = python中深拷贝
回顾浅拷贝copy与深拷贝deepcopy概念
浅拷贝与深拷贝之间的区别仅当传入的对象为复合对象时(即传入的对象包含其他的对象，如包含列表等)会有所差异：
- 浅拷贝返回一个新的复合对象(不同id)，但其中包含的对象会引用传入对象中包含的对象(使用同一id)
- 深拷贝返回一个新的复合对象(不同id)，但其中包含的对象会创建副本而不是进行引用(不同id)
# 要导入copy库
import copy
a = [[1,2,3],4]
# 浅拷贝
b = copy.copy(a)
print(id(a),id(b),id(a[0]),id(b[0]))
# 深拷贝
c = copy.deepcopy(a)
print(id(a),id(c),id(a[0]),id(c[0]))
2890993692864 2890993695808 2890992900288 2890992900288
2890993692864 2890992901248 2890992900288 2890871413248
视图
可以通过切片操作返回原数据的视图;还可以调用 ndarray.view() 函数产生一个视图。
numpy中的视图 等价于 python中的浅拷贝
返回的一个新的数组对象(id不同),但其中包含的行引用传入的数组的行(id相同)
因此对ndarray对象的操作不会同步改变,如改变形状
arr = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
arr1 = arr[:2]
print(id(arr),id(arr1),id(arr[0]),id(arr1[0]))
arr1[0][0] = 10
arr1.shape = (3,2)
print(arr,'\n',arr1)
2890993705584 2890993705680 2890993707024 2890993707024
[[10 2 3]
[ 4 5 6]
[ 7 8 9]]
[[10 2]
[ 3 4]
[ 5 6]]
# 通过view()方法创建视图
arr = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
arr1 = arr.view()
print(id(arr),id(arr1),id(arr[0]),id(arr1[0]))
2890993564432 2890993705200 2890993675696 2890993675696
副本
可以通过copy.deepcopy()创建副本；也可以通过ndarray.copy()创建副本
arr = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
arr1 = arr.copy()
id(arr),id(arr1),id(arr[0]),id(arr1[0])
(2890993675216, 2890993707792, 2890993564432, 2890993564432)
