python的深拷贝与浅拷贝,Python深拷贝和浅拷贝详解
本文主要介绍Python中Numpy的深层拷贝和浅层拷贝。通过讲解Python中Numpy数组操作的浅层拷贝和深层拷贝的概念和背后的原理，全文可以展开，有需要的可以参考。
00-1010 1.导言2。浅抄2.1问题介绍2.2问题分析3。深抄3.1举个栗子3.2探究原因4。技能总结4.1判断是否指向同一个内存4.2其他数据类型5。摘要
目录
深度复制和浅层复制是Python中的重要概念。本文重点介绍NumPy中深度拷贝和浅拷贝相关操作的定义和原理。
废话少说，我们开始吧！
1. 引言
2. 浅拷贝
下面举个栗子。我们有两个数组A和B，样例代码如下：.
将numpy作为np导入
a=np.array([1，2，3])
b=a
打印( a=，a)
打印( b=，b)
输出如下：
a=[1 2 3]
b=[1 2 3]
此时如果我们对数组a做如下改变，代码如下：
将numpy作为np导入
a=np.array([1，2，3])
b=a
a [0]=42
打印( a=，a)
打印( b=，b)
所以我们的问题是：此时b的值应该是多少？
运行上述代码后，我们得到输出如下：
a=[42 2 3]
b=[42 2 3]
2.1 问题引入
有些人可能认为输出应该是？a=[42 2 3]？然后呢。b=[1 2 3]？但是运行完上面的代码，我们发现？答？然后呢。b？所有的价值观都相应地改变了。这主要是由于？Numpy？实际上，中变量的赋值操作是浅拷贝。
换句话说，此时两个变量指向同一块内存地址，如下所示：
那么，如果我们此时修改数组呢？原创_数组？copy_array中的元素
?因为？Original_array共享同一个内存，所以里面的元素会相应的变化。
2.2 问题剖析
3. 深拷贝
如果我们想正确？Numpy？执行数组的深度复制，这时我们可以使用函数？copy()？
相关的样例代码如下：
将numpy作为np导入
a=np.array([1，2，3])
b=a.copy()
打印( a=，a)
打印( b=，b)
输出如下：
a=[1 2 3]
b=[1 2 3]
此时，如果我们改变数组？答？代码如下：.元素
将numpy作为np导入
a=np.array([1，2，3])
b=a.copy()
a [0]=42
打印( a=，a)
打印( b=，b)
此时的代码输出如下：
a=[42 2 3]
b=[1 2 3]
3.1 举个栗子
看上面的输出，可以清楚的看到数组？答？数组变了？b？没有变化，这是因为我们使用了深层拷贝。
此时的内存地址如下：
因为？原创_数组？然后呢。复制_数组？指向不同的内存地址空间，所以这个时候我们是对的？原创_数组？改变不会是对的？复制_数组？有影响。
3.2 探究原因
经过以上深抄和轻抄的例子和举例，相信大家都有了清晰的认识。然后，我们将以上知识点总结如下：
4. 技巧总结
如果需要知道两个变量是否指向同一个内存地址，可以方便的使用？是吗？操作。
浅拷贝示例：
a=np.array([1，2，3])
b=a
打印(b是a)
输出如下：
真实的
深拷贝示例：
a=np.array([1，2，3])
b=a.copy()
打印(b是a)
输出如下：
错误的
4.1 判断是否指向同一内存
尽管本文中的所有示例都使用了NumPy数组，但本文中涉及的知识也适用于Python中的列表和字典等其他数据类型。
简而言之，我们需要时刻牢记：在浅拷贝中，原数组和新数组一起执行同一块内存；同时，在深度复制中，新数组是原始数据的单独副本，它指向一个新的内存地址。
4.2 其他数据类型
本文重点介绍Python中Numpy数组操作的浅拷贝和深拷贝背后的概念和原理，并给出相应的代码示例。
关于Python中Numpy的深度复制和浅层复制的这篇文章到此为止。有关Python Numpy的更多信息，请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。