在对数组进行某些操作的时候，会生成一个新的数组作为结果返回，新数组存放的数据有时是原数组元素的一个拷贝，修改其中的数据不会影响到原数组，他们是相互独立的；有时却又和原数组是数据共享的，修改其中一个数组的数据，另外一个也变了。

前者生成的是数组的拷贝，后者生成的是数组的一个视图。

视图

在前面遇到的很多操作，比如转置，修改尺寸，切片等操作都只是返回了原数组的一个视图作为结果。虽然用id()函数查看它们，返回的是不同的编号，这仅仅意味着它们是不同的对象，但不能保证其中存储的数据是独立的。

  1. import numpy as np
  2. """
  3. 1. 转置
  4. """
  5. a = np.array([[1, 2], [3, 4]])
  6. b = a.T     # 返回的是 a 的一个视图
  7. print(id(a), id(b)) # 2668490408304 2668490408384
  9. a[0, 0] = 666   # 修改 a，b 也修改了
  10. print(b)
  12. # [[666   3]
  13. #  [  2   4]]
  15. """
  16. 2. 修改尺寸
  17. """
  18. a = np.arange(4)
  19. b = a.reshape(2, 2)
  21. a[0] = 666
  22. print(b)
  24. # [[666   3]
  25. #  [  2   4]]
  27. """
  28. 3. 切片
  29. """
  30. a = np.arange(4)
  31. b = a[:2]   # array([0, 1])
  32. b[0] = 666
  33. print(a)    # [666   1   2   3]

几种区分方式

  1. import numpy as np
  2. """
  3. ndarray.base
  4. 如果对象的内存来自其他对象，则返回那个对象，否则返回 None
  5. """
  6. a = np.arange(4)
  7. b = a[::]
  9. print(a.base is None)   # True
  10. print(b.base is a)      # True
  12. """
  13. ndarray.flags.owndata
  14. flags 属性里存储了很多数组内存布局的的一些信息
  15. flags.owndata 很直观，表示是否拥有真正的数据
  16. """
  17. print(a.flags.owndata)  # True
  18. print(b.flags.owndata)  # False 数据相当于是从 a 那边「借」过来的

拷贝

如果有时确实想得到有完全独立数据的新数组，这时就可以使用ndarray.copy()方法，在前面「数组的索引」小节介绍过。

  1. import numpy as np
  3. a = np.arange(6).reshape(2, 3)
  4. b = a.T.copy()
  6. print(b.base)   # None
  7. print(a.flags.owndata)  # True