第七节ndarray的赋值、视图、拷贝和广播

上节课我们讲述了用于 ndarray 的文件操作。

本节课我们来讲述 ndarray 的赋值、视图、拷贝和广播。

1.赋值

import numpy as np

my_arr1 = np.arange(6)
my_arr2 = my_arr1

print(my_arr2 is my_arr1)

在上面的代码中，将 my_arr1 赋值给 my_arr2，这时不会创建新的数组对象，只是多了一个引用，my_arr1 和 my_arr2 是同一个数组的两个名字。当我们改变 my_arr1 的形状时，my_arr2 的形状也会跟着改变，例如：

import numpy as np

my_arr1 = np.arange(6)
my_arr2 = my_arr1

my_arr2.shape = (2, 3)

print(my_arr2)
print(my_arr1)

上面的代码中，my_arr2 的形状改变后，my_arr2 的形状也发生了相应的改变。

2.视图

视图方法可以实现不同的数组对象共享同样的数据。例如：

import numpy as np

my_arr1 = np.arange(6)
my_arr2 = my_arr1.view()

print(my_arr2 is my_arr1)
print(my_arr2.base is my_arr1)
print(my_arr2.flags.owndata)

从上述代码的输出可以看出，my_arr1 和 my_arr2 是两个不同的对象，my_arr2 是 my_arr1 的视图，my_arr2 没有自己的数据。当 my_arr2 的形状发生改变时，my_arr1 的形状并不会发生改变。但是，当 my_arr2 的数据发生改变时，my_arr1 会发生同样的改变。例如：

import numpy as np

my_arr1 = np.arange(6)
my_arr2 = my_arr1.view()

my_arr2.shape = (2, 3)

print(my_arr1.shape)
print(my_arr2.shape)

my_arr2[0, 1] = 10
print(my_arr1)

综上所述，我们可以得出视图相对于原来的数组来说，除了数据是共享的，其他都是独立的。另外，前面介绍的切片操作，得到的也是一个数组的视图。例如：

import numpy as np

my_arr1 = np.arange(6)
my_slice = my_arr1[2:4]
my_slice[:] = 10

print(my_arr1)

从上面的代码可以得出，当改变切片的数据时，原数组的数据也跟着进行了相应的改变。

3.拷贝

从上述内容可以看出，不管是赋值还是视图，对其中一个数组的改变都会影响另外一个。那么有没有一种方法使得两者会不干扰，答案是有的，那便是拷贝。copy() 方法会生成数组的一个完整的拷贝，包括其数据。例如：

import numpy as np

my_arr1 = np.arange(6)
my_arr2 = my_arr1.copy()

print(my_arr2 is my_arr1)
print(my_arr2.base is my_arr1)

从上述代码的输出可以看出，my_arr1 和 my_arr2 是两个独立的数组。对其中一个数组中元素的改变不会影响另外一个数组：

import numpy as np

my_arr1 = np.arange(6)
my_arr2 = my_arr1.copy()

my_arr2[2] = 10

print(my_arr1)
print(my_arr2)

4.广播

广播(broadcasting)指的是不同形状的数组之间的算术运算的执行方式。它是一种非常强大的功能，但也容易令人误解，将标量值跟数组合并时就会发生最简单的广播，例如：

import numpy as np

my_arr1 = np.arange(6)
my_arr2 = my_arr1 * 6

print(my_arr2)

这里我们说，在这个乘法运算中，标量值 6 被广播到了其他所有的元素上。下面继续来看一个例子，我们可以通过减去列平均值的方式对数组的每一列进行距平化处理。这个问题解决起来非常简单，代码如下：

import numpy as np

my_arr1 = np.random.randn(4, 3)
demeaned = my_arr1 - my_arr1.mean(0)

print(demeaned)

print(demeaned.mean(0))

在上面的例子中，my_arr1.mean(0) 是一个 1 行 3 列的数组，当我们用一个 4 行 3 列的数组减去一个 1 行 3 列的数组时，便会对 1 行 3 列的数组进行广播。广播过程的图形化如下图所示：

5.总结

import numpy as np