Курс Python → Работа с массивами в Numpy
Библиотека Numpy предоставляет возможность работать с массивами данных, и при этом важно понимать разницу между копиями и представлениями. Когда мы присваиваем массив переменной, мы передаем не сам массив, а ссылку на него. Это означает, что изменения в новой переменной могут повлиять на исходный массив. Такая же ситуация возникает и при работе с массивами в Numpy.
Чтобы избежать нежелательных изменений в исходных данных, в Numpy существует два подхода: представление и глубокое копирование. Представление — это поверхностное копирование, которое позволяет изменять форму массива без изменения данных. Однако, при изменении данных в представлении, данные в исходном массиве также изменятся. Представление можно получить, например, через срез массива.
Глубокое копирование, в свою очередь, создает полностью новый объект, который не связан с исходным массивом. Новый массив хранится в отдельной ячейке памяти и изменения в нем не затронут исходный массив. Этот подход подходит в случаях, когда требуется полная независимость нового массива от исходного.
# Примеры кода на Python с использованием Numpy
import numpy as np
# Создание исходного массива
arr = np.array([1, 2, 3, 4, 5])
# Представление массива через срез
view_arr = arr[1:4]
# Изменение данных в представлении
view_arr[0] = 10
# Вывод измененного представления и исходного массива
print("Измененное представление:", view_arr)
print("Исходный массив:", arr)
# Глубокое копирование массива
deep_copy_arr = arr.copy()
# Изменение данных в глубокой копии
deep_copy_arr[0] = 100
# Вывод измененной глубокой копии и исходного массива
print("Измененная глубокая копия:", deep_copy_arr)
print("Исходный массив:", arr)В данном примере мы создаем массив с помощью Numpy, затем создаем представление массива через срез и изменяем данные в этом представлении. После этого мы создаем глубокую копию массива и также изменяем данные в ней. Вывод на экран показывает, что изменения в представлении влияют на исходный массив, в то время как изменения в глубокой копии не затрагивают исходный массив.
Другие уроки курса "Python"
- Функция product() из itertools
- Метод setdefault() в Python
- Динамическая типизация в Python
- Создание списков в Python
- Функции высшего порядка в Python
- Работа с асинхронными задачами в Python
- Метод classmethod
- Проверка типа данных
- Создание namedtuple списком полей
- Итерация по итерируемым объектам
- Определение относительного пути
- Принцип одной функции
- Многострочные комментарии в Python
- Нахождение отличий в списках
- Асинхронное выполнение задач в Python
- Комментарии в Python
- Искажение имен в Python
- Изменение элемента списка
- Запрос пароля с помощью getpass
- Создание новых списков в Python
- Приближение чисел в Python
- Метод join() с набором
- Обмен значений переменных в Python
- Оператор деления для класса Rational
- Замена символов в Python
- Сокращение ссылок с pyshorteners
- Отправка POST запроса на сервер.
- Функция rsplit() в Python
- Работа с дробями в Python
- Освобождение памяти в Python
- Использование эмодзи в Python
- Работа с файлами в Python
- Удаление первого элемента списка
- Добавление Progressbar в Python
- Оценка точности модели
- Вывод баннеров
- Принципы программирования
- Методы обработки строк в Python
- Использование html-скриптов в Jupyter Notebook
- Запуск файлового сервера
- Библиотека itertools: объединение списков
- Копирование словарей и списков в Python
- Мониторинг памяти с Pympler
- Переопределение метода divmod
- Работа с географическими данными.
- Асинхронное программирование с asyncio
- Списковое включение в Python
- Создание .exe файла с pyinstaller
- Присоединение элементов коллекции
