带副本的numpy数组分配

103

例如，如果我们有一个numpyarray A，我们想要一个numpy数组B具有相同元素。

以下（见下文）方法之间的区别是什么？什么时候分配额外的内存，什么时候不分配？

B = A
B[:] = A（与B[:]=A[:]？相同）
numpy.copy(B, A)

python arrays numpy

— 格洛姆
source

127

这三个版本都做不同的事情：

B = A

这会将新名称绑定B到已经命名的现有对象A。之后，它们引用同一个对象，因此，如果您就地修改一个对象，那么您也会在另一个对象中看到更改。
B[:] = A（与B[:]=A[:]？相同）

这会将值从中复制A到现有数组中B。两个数组必须具有相同的形状才能起作用。B[:] = A[:]做同样的事情（但B = A[:]会做更多类似1的事情）。
numpy.copy(B, A)

这不是合法的语法。你可能是说B = numpy.copy(A)。这几乎与2相同，但是它创建了一个新数组，而不是重用该B数组。如果没有其他对先前B值的引用，则最终结果将与2相同，但是在复制期间它将临时使用更多内存。

也许您是说numpy.copyto(B, A)，这是合法的，等于2？

— 布莱克金
source

21

@Mr_and_Mrs_D：Numpy数组的工作方式不同于列表。切片数组不会复制，它只是在现有数组的数据上创建一个新视图。

— Blckknght

什么意思but B = A[:] would do something more like 1？根据此stackoverflow.com/a/2612815 new_list = old_list[:]也是副本。

— mrgloom

4

@mrgloom：在分割和复制其内容时，numpy数组的工作方式与列表不同。数组是存储数值的基础内存块的“视图”。像这样进行切片some_array[:]将创建一个新的数组对象，但是该新对象将是与原始数组相同内存的视图，该内存不会被复制。这就是为什么我说它更像是B = A。它仅占用O(1)空间和时间，而不O(n)需要真正副本所需的时间和空间。

— Blckknght

27

B=A 创建参考
B[:]=A 复制
numpy.copy(B,A) 复制

后两个需要额外的内存。

要制作深拷贝，您需要使用 B = copy.deepcopy(A)

— Mailerdaimon
source

2

关于你第二个例子：B[:] = A它不使对象类型，例如数组的深层副本A = np.array([[1,2,3],[4,5]]); B = np.array([None,None], dtype='O')。现在尝试B[:] = A; B[0][0]=99，这将同时更改A和B中的第一个元素！据我所知，没有其他方法可以保证深度复制，甚至是一个numpy数组，也只能保证copy.deepcopy

— Rolf Bartstra

11

这是我唯一的工作答案：

B=numpy.array(A)

— 威特
source