NumPy 数组的复制的几种实现方法

2026-03-25 19:04:01发布 4次浏览

详情描述

NumPy 数组复制有多种方法，主要分为 浅拷贝（视图） 和 深拷贝（副本） 两类。以下是主要的实现方法：

1. 浅拷贝（视图，共享内存）

a) 切片操作

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
arr_view = arr[:]  # 创建视图
arr_view[0] = 100  # 修改视图会影响原始数组
print(arr)  # [100   2   3   4   5]

b) `view()` 方法

arr = np.array([1, 2, 3, 4, 5])
arr_view = arr.view()
arr_view[1] = 200  # 修改会影响原始数组

2. 深拷贝（副本，独立内存）

a) `copy()` 方法（最常用）

arr = np.array([1, 2, 3, 4, 5])
arr_copy = arr.copy()
arr_copy[0] = 100  # 修改副本不会影响原始数组
print(arr)  # [1 2 3 4 5]

b) `np.copy()` 函数

arr = np.array([1, 2, 3, 4, 5])
arr_copy = np.copy(arr)

c) `np.array()` 构造函数

arr = np.array([1, 2, 3, 4, 5])
arr_copy = np.array(arr, copy=True)  # copy=True 是默认值
# 或者简写
arr_copy = np.array(arr)

d) 切片 + `copy()`（复杂切片时）

arr = np.array([[1, 2], [3, 4]])
# 如果只做切片，仍然是视图
arr_slice_view = arr[0:2, 0:2]
# 需要复制切片结果
arr_slice_copy = arr[0:2, 0:2].copy()

3. 特殊情况的复制

a) 结构化数组的复制

# 结构化数组
dtype = [('name', 'U10'), ('age', 'i4')]
arr = np.array([('Alice', 25), ('Bob', 30)], dtype=dtype)
arr_copy = arr.copy()  # 会复制所有字段

b) 内存布局转换时的复制

arr = np.array([[1, 2], [3, 4]], order='C')
arr_fortran = np.asfortranarray(arr)  # 转换为 Fortran 顺序，通常会产生复制

4. 验证复制类型的方法

def check_copy_type(original, new_array):
    print("数据相同:", np.array_equal(original, new_array))
    print("共享内存:", np.shares_memory(original, new_array))
    print("内存地址相同:", original.__array_interface__['data'][0] == 
                     new_array.__array_interface__['data'][0])

5. 性能比较和建议

方法	内存使用	速度	适用场景
`view()`/切片	低（共享）	快	需要观察数据而不修改
`copy()`	高（独立）	慢	需要修改且不影响原数据
`np.array()`	高（独立）	中等	从其他数组创建新数组

使用建议：

默认使用 copy() - 最安全，避免意外的副作用 大数据集考虑内存 - 如果数据很大且只读，使用视图节省内存 链式操作注意 - 多个操作组合时可能产生不必要的复制

# 不好的写法：产生中间副本
result = arr.copy().reshape(10, 10).T.copy()

# 好的写法：尽量减少复制
result = arr.reshape(10, 10).T.copy()

选择哪种方法取决于具体需求：如果需要独立修改数据，使用深拷贝（copy()）；如果只是查看或临时计算，使用浅拷贝可以节省内存。