Python NumPy数组视图与深浅拷贝

sergiojune

发布于 2024-11-15 12:24:53

5620

在数据科学和机器学习中，NumPy是Python中处理多维数组和大规模数据计算的重要工具。数组操作中，一个重要但易混淆的概念是视图（view）与拷贝（copy）。在NumPy中，数组的操作并不总是直接复制数据，而是可以通过视图共享数据，以节省内存和提高操作效率。然而，浅拷贝和深拷贝的机制使得数据的引用关系变得更加复杂。

NumPy中的视图（View）与拷贝（Copy）

在NumPy中，当从数组中提取子数组或对数组进行切片操作时，有可能创建的是一个视图，而不是拷贝。视图是原始数组的“窗口”，数据依然存储在原始数组的内存中，因此视图与原始数组共享同一块内存，修改视图的数据会影响原始数组的数据。拷贝则是对数据的完整复制，修改副本不会影响原始数组。

视图与拷贝的判断方法

在NumPy中，可以通过base属性来判断一个数组是否是另一个数组的视图。如果数组a的视图是b，则b.base会指向a，表明b的数据来自于a。

import numpy as np

# 创建一个原始数组
a = np.array([1, 2, 3, 4, 5])

# 创建视图
b = a[1:4]
print("数组b：", b)
print("b是否为a的视图：", b.base is a)  # 输出True，表明b是a的视图

# 创建拷贝
c = a[1:4].copy()
print("数组c：", c)
print("c是否为a的视图：", c.base is a)  # 输出False，表明c是a的拷贝

在这个示例中，b是a的视图，c是a的拷贝。可以通过base属性来验证是否共享内存。

视图与浅拷贝的操作实例

在数据分析中，视图和浅拷贝的主要应用场景包括数据切片、形状变换和数据类型转换。NumPy在这些操作中会尽量创建视图以节省内存，除非视图无法满足需求时才会创建副本。

数据切片与视图

对NumPy数组进行切片操作时，生成的通常是视图。例如：

# 创建二维数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 进行切片操作，创建视图
view = array[:2, :2]
print("视图view：\n", view)

# 修改视图中的数据
view[0, 0] = 99
print("修改后原始数组：\n", array)

输出：

视图view：
 [[1 2]
  [4 5]]
修改后原始数组：
 [[99  2  3]
  [ 4  5  6]
  [ 7  8  9]]

在这个示例中，view是array的视图，因此修改view中的数据会影响到原始数组array。

形状变换与视图

在NumPy中，reshape方法通常会返回视图，特别是在数组是连续内存布局的情况下。然而，如果变换形状后的数组不是连续的内存布局，NumPy将返回一个拷贝。

# 创建连续存储的一维数组
array = np.array([1, 2, 3, 4, 5, 6])

# 进行形状变换，创建二维视图
reshaped_view = array.reshape(2, 3)
print("reshape生成的视图：\n", reshaped_view)

# 修改视图
reshaped_view[0, 0] = 99
print("修改后的原始数组：", array)

输出：

reshape生成的视图：
 [[1 2 3]
  [4 5 6]]
修改后的原始数组：
 [99  2  3  4  5  6]

在这里，reshape生成了一个视图，因此对reshaped_view的修改影响了原始数组array。

数据类型转换与视图

使用astype进行数据类型转换时，NumPy通常会创建一个新的数组，即深拷贝，因而转换后的数组与原数组不会共享内存。

# 创建整数数组
array = np.array([1, 2, 3, 4, 5])

# 转换为浮点数类型，创建新数组
float_array = array.astype(float)
print("浮点数数组：", float_array)

# 修改新数组
float_array[0] = 99.9
print("修改新数组后原始数组：", array)

输出：

浮点数数组： [1. 2. 3. 4. 5.]
修改新数组后原始数组： [1 2 3 4 5]

由于astype生成了浮点类型的新数组float_array，它不与原数组共享内存，修改后的数据不会影响原数组。

深拷贝的使用场景与操作

深拷贝是对数据的完全复制，不共享原始数据的存储空间，因此深拷贝适用于希望避免修改副本影响原始数据的场景。NumPy中的copy方法可以显式生成深拷贝。

深拷贝实例

# 创建二维数组
original = np.array([[1, 2, 3], [4, 5, 6]])

# 生成深拷贝
deep_copy = original.copy()
print("深拷贝后的数组：\n", deep_copy)

# 修改深拷贝
deep_copy[0, 0] = 99
print("修改深拷贝后原始数组：\n", original)

输出：

深拷贝后的数组：
 [[1 2 3]
  [4 5 6]]
修改深拷贝后原始数组：
 [[1 2 3]
  [4 5 6]]

在这里，deep_copy是original的完全复制，两者不共享内存，因此修改deep_copy不会影响原始数组。

视图与拷贝的性能对比

在数据处理中，视图比拷贝更节省内存和时间，因为视图仅共享数据，而不需要创建新的数组。以下代码对比了视图和拷贝的创建时间。

import time

# 创建大数组
large_array = np.ones((10000, 10000))

# 视图创建时间
start = time.time()
view = large_array[:5000, :5000]
print("视图创建时间：", time.time() - start)

# 拷贝创建时间
start = time.time()
copy = large_array[:5000, :5000].copy()
print("拷贝创建时间：", time.time() - start)

通常，视图的创建速度更快，因为它不涉及内存的重新分配和数据的复制。