Python中数组赋值与拷贝的区别详解
本文通过Python代码示例,详细解析了数组赋值与拷贝的区别。赋值操作仅传递引用,修改副本会影响原数组;浅拷贝创建新对象但内部元素仍共享引用;深拷贝则完全独立,互不影响。结合Numpy与copy模块演示了具体行为,帮助开发者避免数据意外修改。
Python数组赋值与拷贝机制解析
代码中已添加详细注释,旨在通俗解释Python中浅拷贝与深拷贝的差异。请结合下方代码进行理解。
# -*- coding: utf-8 -*-
import numpy as np
import copy as cp
import matplotlib.pyplot as plt
import time
import math
fig = plt.figure()
ax = fig.add_subplot(241)
# 定义一个多维数组
x = np.array([[1, 2, 3],
[4, 5, 6]])
print('x:{}'.format(x))
ax.plot(x)
ax1 = fig.add_subplot(242)
# 首先看一下浅拷贝,将x拷贝(赋值)给y
y = x
print('y:{}'.format(y))
ax1.plot(y)
# 改变一下y中的任意一个索引的值,可以看到x也随着y一起改变了,
# 这就是浅拷贝,原数组随着拷贝的对象的改变而改变了。
y[0, 0] = 9
print('y改变值:')
print(y)
ax2 = fig.add_subplot(243)
ax2.plot(y)
print('x的值在y改变之后:')
print(x)
ax3 = fig.add_subplot(244)
ax3.plot(x)
# 下面来看一下深拷贝,py里面首先要导入copy这个包,这里用cp表示。
x = np.array([[1, 2, 3],
[4, 5, 6]])
print('\n\nx:{}'.format(x))
ax4 = fig.add_subplot(245)
ax4.plot(x)
y = cp.copy(x)
print('y:{}'.format(y))
ax5 = fig.add_subplot(246)
ax5.plot(y)
# 随意改变y的某一个索引,可以看到,y改变了,但是x还是它自己
y[0, 0] = 9
print('y改变值:')
print(y)
ax6 = fig.add_subplot(247)
ax6.plot(y)
print('x的值在y改变之后:')
print(x)
ax7 = fig.add_subplot(248)
ax7.plot(x)
plt.show()
以上就是Python数组赋值与拷贝区别的全部内容,希望能为读者提供参考,并欢迎继续支持本站。
免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。









