numpy的无拷贝，视图（浅拷贝）和深拷贝（ numpy.copy）-马育民老师

# 无拷贝

赋值操作不会发生拷贝，2个引用指向同一个内存地址
```
import numpy as np

arr=np.array([0,1,3])
arr2=arr

print(id(arr))
print(id(arr2))
```
执行结果：
```
4495591744 
4495591744 
```
说明内存地址一样，没有发生拷贝

# 视图（浅拷贝）

调用view()，或 numpy的slice（切片）操作，会copy父对象，不会copy底层的数据。
如果在view上修改数据，会直接反馈到原对象，修改view的形状，则不会影响原对象

```
import numpy as np

arr=np.array([0,1,3])

# 切片
arr3=arr[:]
# 下面代码效果相同
# arr3=arr.view()

print(id(arr))
print(id(arr3))
```
执行结果：
```
4495591744 
4495806256 
```
可知，内存地址不一样

### 修改arr3的值，也会影响arr的值
```
arr3[0]=100

print(arr)
print(arr3)
```
执行结果：
```
[100   1   3]
[100   1   3]
```

### 修改arr3的形状，则不会影响arr
```
arr3.shape = 1,3

print(arr)
print(arr3)
```
执行结果：
```
[100   1   3]
[[100   1   3]]
```

# 深拷贝

对原数组对象及其子数组对象都进行copy一份，对新生成的数组对象进行 **修改删除** 操作不会影响到原对象。

```
import numpy as np

arr=np.array([0,1,3])
# 深拷贝
arr4=arr.copy()

print(id(arr))
print(id(arr4))
```
执行结果：
```
4618212256
4618212496
```

修改arr4的值，不会影响原数组
```
arr4[0]=100

print(arr)
print(arr4)
```
执行结果：
```
[0 1 3]
[100   1   3]
```

感谢：
https://blog.csdn.net/genghaihua/article/details/92806584?ops_request_misc=&request_id=&biz_id=102&utm_term=numpy.copy&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1-92806584

原文出处：http://www.malaoshi.top/show_1EF5aw2o1Q8Y.html