[英]Deep copy of a np.array of np.array
我有一个由不同 numpy 数组组成的 numpy 数组,我想制作数组的深层副本。 我发现了以下内容:
import numpy as np
pairs = [(2, 3), (3, 4), (4, 5)]
array_of_arrays = np.array([np.arange(a*b).reshape(a,b) for (a, b) in pairs])
a = array_of_arrays[:] # Does not work
b = array_of_arrays[:][:] # Does not work
c = np.array(array_of_arrays, copy=True) # Does not work
d = np.array([np.array(x, copy=True) for x in array_of_arrays])
array_of_arrays[0][0,0] = 100
print a[0][0,0], b[0][0,0], c[0][0,0], d[0][0,0]
d 是最好的方法吗? 有没有我错过的深拷贝功能? 与这个不同大小数组的数组中的每个元素交互的最佳方式是什么?
import numpy as np
import copy
pairs = [(2, 3), (3, 4), (4, 5)]
array_of_arrays = np.array([np.arange(a*b).reshape(a,b) for (a, b) in pairs])
a = copy.deepcopy(array_of_arrays)
随意阅读更多关于这里的信息。
哦,这是最简单的测试用例:
a[0][0,0]
print a[0][0,0], array_of_arrays[0][0,0]
被打了一分钟。 实际上,deepcopy 就是这里的答案。
关于索引的第二个问题:我有一种感觉,在这里使用简单的列表或字典类型的数据结构可能会更好。 np.arrays 主要在每个数组元素属于同一类型时才有意义。 当然,您可以争辩说 array_of_arrays 中的每个元素都是另一个数组,但是将它们收集在一个 numpy 数组而不是一个简单的列表中有什么好处呢?
list_of_arrays = [np.arange(a*b).reshape(a,b) for (a, b) in pairs]
In [276]: array_of_arrays
Out[276]:
array([array([[0, 1, 2],
[3, 4, 5]]),
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]]),
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])], dtype=object)
array_of_arrays
是dtype=object
; 这意味着数组的每个元素都是指向内存中其他对象的指针。 在这种情况下,这些元素是不同大小的数组。
a = array_of_arrays[:]
a
是一个新数组,但是array_of_arrays
的一个视图; 也就是说,它具有相同的数据缓冲区(在这种情况下是指针列表)。
b = array_of_arrays[:][:]
这只是一种看法。 第二个[:]
作用于第一个的结果。
c = np.array(array_of_arrays, copy=True)
这与array_of_arrays.copy()
相同。 c
有一个新的数据缓冲区,一个原件的副本
如果我替换c
的元素,它不会影响array_of_arrays
:
c[0] = np.arange(3)
但是,如果我修改c
的元素,它将修改array_of_arrays
中的相同元素 - 因为它们都指向同一个数组。
同样的事情也适用于列表的嵌套列表。 array
添加的是view
案例。
d = np.array([np.array(x, copy=True) for x in array_of_arrays])
在这种情况下,您正在制作各个元素的副本。 正如其他人指出的那样,有一个deepcopy
功能。 它是为诸如列表列表之类的东西而设计的,但也适用于数组。 它基本上是在做你用d
做的事情; 递归地沿着嵌套树工作。
通常,对象数组类似于列表嵌套。 一些操作跨越对象边界,例如
array_of_arrays+1
但即使这实际上是
np.array([x+1 for x in array_of_arrays])
与列表相比,对象数组添加的一件事是reshape
之类的操作。 array_of_arrays.reshape(3,1)
使其成为 2d; 如果它有 4 个元素,你可以做array_of_arrays.reshape(2,2)
。 有时这很方便; 其他时候这是一种痛苦(更难迭代)。
只需使用np.array(old_array)
应该适用于最新版本的 numpy
array_to_be_copy = np.zeros([3, 3])
deep_copied_array = np.array(array_to_be_copy)
我的 numpy 版本:1.21.1
何时警告可能的贬值:
我是这样决定的:
import numpy as np import copy def deepCopyArrayNumPy(arrayNunpy): clone = copy.deepcopy(arrayNunpy.tolist()) return np.array(clone)
一个简单的 np.asarray() 就可以了
np.asarray(array_of_arrays)
供参考: https ://numpy.org/doc/stable/reference/generated/numpy.asarray.html
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.