带副本的 Numpy 数组赋值答案

【问题标题】：Numpy array assignment with copy带副本的 Numpy 数组赋值
【发布时间】：2013-11-09 16:32:32
【问题描述】：

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

以下（见下文）方法有什么区别？什么时候分配额外的内存，什么时候不分配？

【问题讨论】：

【解决方案1】：

所有三个版本都做不同的事情：

B = A

这会将新名称 B 绑定到已命名为 A 的现有对象。之后它们引用同一个对象，因此如果您在原地修改一个对象，您也会通过另一个对象看到更改。
B[:] = A（与B[:]=A[:]相同？）

这会将A 中的值复制到现有数组B 中。这两个数组必须具有相同的形状才能工作。 B[:] = A[:] 做同样的事情（但B = A[:] 会做更像 1 的事情）。
numpy.copy(B, A)

这不是合法的语法。你的意思可能是B = numpy.copy(A)。这与 2 几乎相同，但它创建了一个新数组，而不是重用 B 数组。如果没有其他引用之前的B 值，最终结果将与 2 相同，但在复制过程中会暂时使用更多内存。

或者你的意思是numpy.copyto(B, A)，这是合法的，相当于2？

【讨论】：

@Mr_and_Mrs_D：Numpy 数组的工作方式与列表不同。切片数组不会产生副本，它只是在现有数组的数据上创建一个新视图。
but B = A[:] would do something more like 1 是什么意思？据此stackoverflow.com/a/2612815new_list = old_list[:]也是副本。
@mrgloom：在切片和复制其内容时，Numpy 数组的工作方式与列表不同。数组是存储数值的底层内存块的“视图”。像some_array[:] 这样的切片将创建一个新的数组对象，但该新对象将是与原始数组相同内存的视图，不会被复制。这就是为什么我说它更像B = A。它只需要O(1) 空间和时间，而不是真正副本所需的O(n)。
根据文档，首选的“复制”方法是B = A.copy()。但是此表单默认不保留顺序，您需要B = A.copy(order='k')。

【解决方案2】：

最后两个需要额外的内存。

要进行深层复制，您需要使用B = copy.deepcopy(A)

【讨论】：

参考您的第二个示例：B[:] = A 是否不制作对象类型数组的深层副本，例如A = np.array([[1,2,3],[4,5]]); B = np.array([None,None], dtype='O')。现在试试B[:] = A; B[0][0]=99，这将改变A 和B 中的第一个元素！据我所知，除了copy.deepcopy

【解决方案3】：

这对我来说是唯一可行的答案：

B=numpy.array(A)

【讨论】：