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.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Удаление знаков препинания в Python
  2. Работа с IP-адресами в Python
  3. Изменяемые и неизменяемые объекты
  4. Фильтрация данных в Python.
  5. Разделение функций на этапы
  6. split() — разделение строки
  7. Метод clear для коллекций
  8. JMESPath в Python
  9. Сглаживание списка
  10. Конкатенация строк в Python
  11. Получение срезов итераторов
  12. Функция product() из itertools
  13. Python enumerate() использование
  14. Проверка типов с использованием isinstance
  15. Управление мышью и клавиатурой с Pyautogui
  16. Обход элементов в Python
  17. Транспонирование матрицы в Python
  18. Генератор надежных паролей
  19. Область видимости переменных
  20. Логирование с Logzero
  21. Создание уникального проекта
  22. Оператор is в Python
  23. Цикл for с enumerate() в Python
  24. Enum в Python
  25. Создание виртуальной среды
  26. Lambda Functions in Python
  27. Преобразование символов в нижний регистр
  28. Лямбда-функции в Python
  29. Распаковка с оператором *
  30. Возвращение нескольких значений через кортеж или класс
  31. Функция map() и ленивая оценка
  32. Переопределение метода xor в Python
  33. Создание виртуальной среды
  34. Оператор is в Python
  35. Создание уникального множества
  36. Удаление первого элемента списка
  37. Получение текущего времени в Python
  38. Создание таблиц в Python с PrettyTable
  39. Потоковый ввод в Python
  40. Howdoi — получение ответов из терминала
  41. Функции высшего порядка в Python
  42. Отступы в Python
  43. Возврат значений из генератора
  44. Запуск Python из интерпретатора

Marketello читают маркетологи из крутых компаний