사본이있는 Numpy 배열 할당

103

예를 들어, 우리는이 경우 numpy배열을 A, 그리고 우리는 원하는 numpy배열 B같은 요소를.

다음 (아래 참조) 방법의 차이점은 무엇입니까? 추가 메모리는 언제 할당되고 언제 할당되지 않습니까?

B = A
B[:] = A( B[:]=A[:]? 와 동일 )
numpy.copy(B, A)

python arrays numpy

— Mrgloom
소스

127

세 가지 버전 모두 서로 다른 작업을 수행합니다.

B = A

이렇게하면 B이미 이름이 지정된 기존 개체에 새 이름이 바인딩 A됩니다. 나중에 동일한 객체를 참조하므로 하나를 제자리에서 수정하면 다른 하나를 통해 변경 사항도 볼 수 있습니다.
B[:] = A( B[:]=A[:]? 와 동일 )

이렇게하면 값이 A기존 배열로 복사 됩니다 B. 이 작업을 수행하려면 두 배열의 모양이 같아야합니다. B[:] = A[:]같은 일을합니다 (그러나 B = A[:]1과 같은 일을합니다).
numpy.copy(B, A)

이것은 법적 구문이 아닙니다. 당신은 아마 B = numpy.copy(A). 이것은 2와 거의 동일하지만 배열을 재사용하는 대신 새 배열을 만듭니다 B. 이전 B값에 대한 다른 참조가없는 경우 최종 결과는 2와 동일하지만 복사 중에 일시적으로 더 많은 메모리를 사용합니다.

아니면 numpy.copyto(B, A)합법적이고 2에 해당하는 을 의미했을 수도 있습니다 .

— Blckknght
소스

21

@Mr_and_Mrs_D : Numpy 배열은 목록과 다르게 작동합니다. 어레이를 슬라이싱하는 것은 복사본을 만드는 것이 아니라 기존 어레이의 데이터에 대한 새로운 뷰를 생성 할뿐입니다.

— Blckknght

무엇을 의미 but B = A[:] would do something more like 1합니까? 이 stackoverflow.com/a/2612815 에 따르면 new_list = old_list[:]또한 사본입니다.

— mrgloom

4

@mrgloom : Numpy 배열은 내용을 자르고 복사 할 때 목록과 다르게 작동합니다. 배열은 숫자 값이 저장되는 기본 메모리 블록의 "뷰"입니다. 슬라이스와 같은 작업 some_array[:]을 수행하면 새 배열 객체가 생성되지만 새 객체는 복사되지 않은 원래 배열과 동일한 메모리의 뷰가됩니다. 그것이 내가 더 좋아한다고 말한 이유 B = A입니다. 실제 복사본이 필요로하는 O(1)것이 아니라 공간과 시간 만 O(n)필요합니다.

— Blckknght

27

B=A 참조를 생성
B[:]=A 복사하다
numpy.copy(B,A) 복사하다

마지막 두 개는 추가 메모리가 필요합니다.

깊은 사본을 만들려면 다음을 사용해야합니다. B = copy.deepcopy(A)

— Mailerdaimon
소스

2

두 번째 예를 다스 려하는 것은 : B[:] = A않는 되지 객체 유형, 예를 들어 배열의 깊은 복사본을 만들어 A = np.array([[1,2,3],[4,5]]); B = np.array([None,None], dtype='O'). 이제 시도해보십시오 B[:] = A; B[0][0]=99. 이것은 A와 B 모두의 첫 번째 요소를 변경합니다 ! 내가 아는 한, numpy 배열의 딥 카피를 보장하는 다른 방법은copy.deepcopy

— Rolf Bartstra

11

이것이 저에게 유일한 해결책입니다.

B=numpy.array(A)

— Woeitg
소스