1、番外說明
大家好，我是小P，本系列是本人對Python模塊Numpy的一些學習記錄，總結於此一方面方便其它初學者學習，另一方面害怕自己遺忘，希望大家喜歡。此外，對“目標檢測/模型壓縮/語義分割”感興趣的小夥伴，歡迎加入QQ羣 813221712 討論交流，進羣請看羣公告！（可以點擊如下連接直接加入！）
點擊鏈接加入羣聊【Object Detection】：https://jq.qq.com/?_wv=1027&k=5kXCXF8
2、正題
參考鏈接：
https://www.runoob.com/numpy/numpy-copies-and-views.html
副本是一個數據的完整的拷貝，如果我們對副本進行修改，它不會影響到原始數據，物理內存不在同一位置。
視圖是數據的一個別稱或引用，通過該別稱或引用亦便可訪問、操作原有數據，但原有數據不會產生拷貝。如果我們對視圖進行修改，它會影響到原始數據，物理內存在同一位置。
視圖一般發生在：
● 1、numpy 的切片操作返回原數據的視圖。
● 2、調用 ndarray 的 view() 函數產生一個視圖。
副本一般發生在：
● Python 序列的切片操作，調用deepCopy()函數。
● 調用 ndarray 的 copy() 函數產生一個副本。
無複製
簡單的賦值不會創建數組對象的副本。 相反，它使用原始數組的相同id()來訪問它。 id()返回 Python 對象的通用標識符，類似於 C 中的指針。
此外，一個數組的任何變化都反映在另一個數組上。 例如，一個數組的形狀改變也會改變另一個數組的形狀。
實例：numpy賦值數組
import numpy as np
a = np.arange(6)
print ('我們的數組是：')
print (a)
print ('調用 id() 函數：')
print (id(a))
print ('a 賦值給 b：')
b = a
print (b)
print ('b 擁有相同 id()：')
print (id(b))
print ('修改 b 的形狀：')
b.shape = 3,2
print (b)
print ('a 的形狀也修改了：')
print (a)
輸出結果爲：
我們的數組是：
[0 1 2 3 4 5]
調用 id() 函數：
4349302224
a 賦值給 b：
[0 1 2 3 4 5]
b 擁有相同 id()：
4349302224
修改 b 的形狀：
[[0 1]
[2 3]
[4 5]]
a 的形狀也修改了：
[[0 1]
[2 3]
[4 5]]
視圖或淺拷貝
ndarray.view() 方會創建一個新的數組對象，該方法創建的新數組的維數更改不會更改原始數據的維數。
實例：numpy.view使用
import numpy as np
# 最開始 a 是個 3X2 的數組
a = np.arange(6).reshape(3,2)
print ('數組 a：')
print (a)
print ('創建 a 的視圖：')
b = a.view()
print (b)
print ('兩個數組的 id() 不同：')
print ('a 的 id()：')
print (id(a))
print ('b 的 id()：' )
print (id(b))
# 修改 b 的形狀，並不會修改 a
b.shape = 2,3
print ('b 的形狀：')
print (b)
print ('a 的形狀：')
print (a)
輸出結果爲：
數組 a：
[[0 1]
[2 3]
[4 5]]
創建 a 的視圖：
[[0 1]
[2 3]
[4 5]]
兩個數組的 id() 不同：
a 的 id()：
4314786992
b 的 id()：
4315171296
b 的形狀：
[[0 1 2]
[3 4 5]]
a 的形狀：
[[0 1]
[2 3]
[4 5]]
實例：使用切片創建視圖修改數據會影響到原始數組
import numpy as np
arr = np.arange(12)
print ('我們的數組：')
print (arr)
print ('創建切片：')
a=arr[3:]
b=arr[3:]
a[1]=123
b[2]=234
print(arr)
print(id(a),id(b),id(arr[3:]))
輸出結果爲：
我們的數組：
[ 0 1 2 3 4 5 6 7 8 9 10 11]
創建切片：
[ 0 1 2 3 123 234 6 7 8 9 10 11]
4545878416 4545878496 4545878576
變量 a,b 都是 arr 的一部分視圖，對視圖的修改會直接反映到原數據中。但是我們觀察 a,b 的 id，他們是不同的，也就是說，視圖雖然指向原數據，但是他們和賦值引用還是有區別的。
副本或深拷貝
ndarray.copy() 函數創建一個副本。 對副本數據進行修改，不會影響到原始數據，它們物理內存不在同一位置。
實例：numpy.copy使用
import numpy as np
a = np.array([[10,10], [2,3], [4,5]])
print ('數組 a：')
print (a)
print ('創建 a 的深層副本：')
b = a.copy()
print ('數組 b：')
print (b)
# b 與 a 不共享任何內容
print ('我們能夠寫入 b 來寫入 a 嗎？')
print (b is a)
print ('修改 b 的內容：')
b[0,0] = 100
print ('修改後的數組 b：')
print (b)
print ('a 保持不變：')
print (a)
輸出結果爲：
數組 a：
[[10 10]
[ 2 3]
[ 4 5]]
創建 a 的深層副本：
數組 b：
[[10 10]
[ 2 3]
[ 4 5]]
我們能夠寫入 b 來寫入 a 嗎？
False
修改 b 的內容：
修改後的數組 b：
[[100 10]
[ 2 3]
[ 4 5]]
a 保持不變：
[[10 10]
[ 2 3]
[ 4 5]]