|
NumPy 数组的复制与视图
NumPy 数组的复制和视图是两种不同的方式来创建新数组,它们之间存在着重要的区别。
复制
复制 会创建一个包含原始数组相同元素的新数组,但这两个数组拥有独立的内存空间。这意味着对复制进行的任何更改都不会影响原始数组,反之亦然。
创建副本可以使用以下方法:
arr.copy():创建一个新的数组,该数组包含与原始数组相同元素的副本。
np.array(arr):将数组转换为新的 NumPy 数组。
arr[:]:使用切片创建整个数组的副本。
示例:- import numpy as np
- arr = np.array([1, 2, 3, 4, 5])
- # 创建副本
- copy = arr.copy()
- # 修改副本
- copy[2] = 100
- # 打印原始数组和副本
- print(arr)
- print(copy)
复制代码 输出:- [ 1 2 3 4 5]
- [ 1 2 100 4 5]
复制代码 视图
视图 是对原始数组数据的引用,不拥有独立的内存空间。这意味着对视图进行的任何更改都会直接反映在原始数组中,反之亦然。
创建视图可以使用以下方法:
arr.view():创建一个新的数组,该数组是原始数组数据的视图。
arr[start:end]:使用切片创建原始数组的视图。
arr.reshape():改变数组的形状,但不改变底层数据。
示例:- import numpy as np
- arr = np.array([1, 2, 3, 4, 5])
- # 创建视图
- view = arr.view()
- # 修改视图
- view[2] = 100
- # 打印原始数组和视图
- print(arr)
- print(view)
复制代码 输出:- [ 1 2 100 4 5]
- [ 1 2 100 4 5]
复制代码 检查数组是否拥有数据
我们可以使用 arr.base 属性来检查数组是否拥有其数据。如果 arr.base 为 None,则数组拥有自己的数据,否则它是一个视图。
示例:- import numpy as np
- arr = np.array([1, 2, 3, 4, 5])
- copy = arr.copy()
- view = arr.view()
- print(copy.base) # None
- print(view.base) # <ndarray object at 0x00000222588287E0>
复制代码 练习
使用以下代码创建数组 arr:- import numpy as np
- arr = np.array([10, 20, 30, 40, 50])
复制代码 并使用以下方法创建 arr 的副本:
arr.copy()
np.array(arr)
arr[:]
在每个方法之后,打印原始数组和副本,并验证它们是否相等。
在评论中分享您的代码和结果。
Sure, here is the requested Markdown formatted content:
获取数组的形状
NumPy 数组的形状描述了数组中元素的组织方式,并由包含每个维度中元素数量的元组表示。
获取数组形状
可以使用 arr.shape 属性获取 NumPy 数组的形状。它返回一个元组,其中每个元素表示相应维度的长度。
示例:- import numpy as np
- # 创建一个二维数组
- arr = np.array([[1, 2, 3], [4, 5, 6]])
- # 获取数组形状
- print(arr.shape)
复制代码 输出:这意味着数组包含 2 行和 3 列。
形状元组的含义
形状元组中的每个元素表示相应维度的长度。例如,如果形状为 (2, 3, 4),则数组具有:
2 个行
3 列
每个元素 4 个值
使用 ndmin 创建具有特定形状的数组
我们可以使用 ndmin 参数来创建具有指定形状的新数组,即使原始数据不具有该形状。ndmin 参数指定要创建的最小维度数。如果原始数据具有比 ndmin 更高的维度,则形状将保留。如果维度数不足,则将添加新维度,并用 1 填充元素。
示例:- import numpy as np
- # 使用 ndmin=5 创建一个包含值 1,2,3,4 的向量
- arr = np.array([1, 2, 3, 4], ndmin=5)
- print(arr)
- print(arr.shape)
复制代码 输出:- [[[[1 2 3 4]]]]
- (1, 1, 1, 1, 4)
复制代码 练习
创建以下形状的 NumPy 数组,并打印它们的形状:
一个包含 10 个元素的一维数组。
一个包含 5 行 4 列的二维数组。
一个包含 2 x 3 x 2 的三维数组。
在评论中分享您的代码和输出。
最后
为了方便其他设备和平台的小伙伴观看往期文章:
微信公众号搜索:Let us Coding,关注后即可获取最新文章推送
看完如果觉得有帮助,欢迎点赞、收藏、关注
来源:https://www.cnblogs.com/xiaowange/p/18189967
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作! |
|