Python 我应该何时使用.copy（）

我知道，由于以下原因：

a=1
b=a
a=4

它将

1

分配给

a

，然后

a

分配给

b

，最后一步是将

a

的值更改为

4

。
此处，一旦

a

的值更改为

4

，则

b

的值将不会有任何更改

同样适用于

a=np.array([10,20,30,40,50,60])
b=a[2]

a[2]=100

代码末尾的

b

值将为

20

，这是初始

a[2]

但当你有一些事情，如下面所述：

a=np.array([10,20,30,40,50,60])
b=a[0:2]

如果我们改变

a[0:2]=[100200]

，那么

b

的值也会自动改变。这就像变量

b

以某种方式链接到其他变量（与前面的情况不同）。
我知道如果代码写为

b=a[0:2].copy（）

，那么即使

a

发生了变化，

b

也不会改变

因此，我的问题是，如果我不想更改后一个变量，因为在前两种情况下不需要它，那么我应该在哪里使用这个

.copy（）

方法呢

---

感谢您的帮助

在第一种和第二种情况下，您为

b

指定了一个值（标量）

在第三种情况下，您已根据

a

的切片

0:2

将a分配给

b

（请参阅）。这本质上是对

a

的某些元素的多值引用（即：

b[0]

实际上是指

a[0]

）。换句话说，

b

并不拥有它的数据，而是指向

a

中的数据。因此，当更改

a

时，

b

仅反映这些更改，因为它指向的元素非常相同

通常，如果要将副本与原始副本分离，应使用numpy

copy（）

，例如：

当您准备对副本进行修改时（例如，偷偷改变调用方的数据并不酷）

当您希望在该点保留阵列的快照时，无论以后原始阵列发生什么情况

当您使用非常稀疏的切片或随机顺序，并且希望获得更紧凑的副本以实现更快的操作（参考位置）时

当您想更改

a

或

b

的标志时（例如，从C连续到F连续，通常也是出于速度原因）

关于您在评论中提出的问题，“是否有任何方法可以确定变量是否相互关联”：是的。每个numpy数组都有

标志

：

a=np.array([10,20,30,40,50,60])
b=a[2]
b.flags.owndata
# True  -- funny given that b is a single numpy.int64, but it still has flags

b=a[0:2]
b.flags.owndata
# False

a=np.array([10,20,30,40,50,60])
b=a[0:2].copy()
b.flags.owndata
# True

---

在第一种和第二种情况下，您为

b

指定了单个值（标量）

在第三种情况下，您已根据

a

的切片

0:2

将a分配给

b

（请参阅）。这本质上是对

a

的某些元素的多值引用（即：

b[0]

实际上是指

a[0]

）。换句话说，

b

并不拥有它的数据，而是指向

a

中的数据。因此，当更改

a

时，

b

仅反映这些更改，因为它指向的元素非常相同

通常，如果要将副本与原始副本分离，应使用numpy

copy（）

，例如：

当您准备对副本进行修改时（例如，偷偷改变调用方的数据并不酷）

当您希望在该点保留阵列的快照时，无论以后原始阵列发生什么情况

当您使用非常稀疏的切片或随机顺序，并且希望获得更紧凑的副本以实现更快的操作（参考位置）时

当您想更改

a

或

b

的标志时（例如，从C连续到F连续，通常也是出于速度原因）

关于您在评论中提出的问题，“是否有任何方法可以确定变量是否相互关联”：是的。每个numpy数组都有

标志

：

a=np.array([10,20,30,40,50,60])
b=a[2]
b.flags.owndata
# True  -- funny given that b is a single numpy.int64, but it still has flags

b=a[0:2]
b.flags.owndata
# False

a=np.array([10,20,30,40,50,60])
b=a[0:2].copy()
b.flags.owndata
# True

---

您的问题是针对

numpy

（它有非标准的切片机制）还是一般的Python（切片几乎总是一个浅拷贝，这是我所知道的

memoryview

类型的内置版本中唯一的例外）。我假设是前者（让您困惑的行为在很大程度上是

numpy

和基于它的包所独有的），但是

.copy（）

是一种针对许多类型的方法，目前还不清楚。我会注意到：规则将始终取决于所涉及的类型；切片没有保证的行为，因此您需要知道该类型的规则。@ShadowRanger感谢您的回复。因此，如果我们关注

numpy

。。。在我的第二个示例中，这是一个numpy数组，它不会影响变量

b

。但在第三种情况下，确实如此。因此，您能否建议一种适当的方法来确定变量是否链接。您的问题是针对

numpy

（它具有非标准的切片机制）还是针对一般的Python（切片几乎总是一个浅拷贝，这是我所知道的

memoryview

类型的内置中唯一的例外）。我假设是前者（让你困惑的行为主要是

numpy

和基于它的包所特有的），但是

.copy（）

是一种适用于太多类型的方法，目前尚不清楚。我要注意：规则始终取决于所涉及的类型；切片没有保证的行为，因此您需要知道该类型的规则是什么。@ShadowRanger感谢您的回答。因此，如果我们关注

numpy

…在我的第二个示例中，这是一个numpy数组，它确实如此不影响变量

b

。但在第三种情况下，它会影响。因此，您能否建议一种适当的方法来确定变量是否链接。这是错误的“

b

，作为浅拷贝，也会受到影响。”

b

不是浅拷贝；如果