Python deepcopy（）与仅仅启动一个numpy数组的运行时速度相比？

我很好奇

elevation_arr = numpy.zeros([900, 1600], numpy.float32)
climate_arr = copy.deepcopy(elevation_arr)
rainfall_arr = copy.deepcopy(elevation_arr)

执行速度比

elevation_arr = numpy.zeros([900, 1600], numpy.float32)
climate_arr = numpy.zeros([900, 1600], numpy.float32)
rainfall_arr = numpy.zeros([900, 1600], numpy.float32)

---

numpy_zeros

对于较小的阵列性能稍好，对于较大的阵列性能更好，如下所示

import copy
import numpy as np

def deep_copy():
    elevation_arr = np.zeros([900, 1600], np.float32)
    climate_arr = copy.deepcopy(elevation_arr)
    rainfall_arr = copy.deepcopy(elevation_arr)
    return 

def numpy_zeros():
    elevation_arr = np.zeros([900, 1600], np.float32)
    climate_arr = np.zeros([900, 1600], np.float32)
    rainfall_arr = np.zeros([900, 1600], np.float32)
    return

%timeit deep_copy()
# 4.13 ms ± 585 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit numpy_zeros()
# 3.01 ms ± 195 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

对于10000 x 10000阵列，以下是计时<代码>numpy_零的性能优于

%timeit deep_copy()
# 569 ms ± 50 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit numpy_zeros()
# 15.6 µs ± 1.38 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

---

我不知道你能为这样的事情计时，谢谢。使用

copy..deepcopy（）

有什么特别的原因吗？我认为

elevation\u arr.copy（）

无论如何都等同于深度复制，因为

elevation\u arr

的元素是不可变的int。@fountainhead我想确保这些值不会是引用。我不知道不可变的值会这样工作。它们在技术上是浮动的，不是吗？没错，它们是

float32s

。但是不可变，就像

ints

一样。我的观点是，给定一个由许多对象组成的聚合数据结构（在本例中为numpy数组），如果聚合中的对象都是不可变的，那么浅层副本就足够了。只有当对象是可变的时，通过复制元素本身，使副本成为深层副本才变得重要。@fountainhead哦，我明白了。谢谢我不知道。对于像你这样的数组：

copy.copy（arr）

，

copy.deepcopy（arr）

，

arr.copy（）

，

np.array（arr，copy=True）

deepcopy

只有在数组具有对象数据类型（与列表包含列表或字典时相同）时才会显著不同。