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"
- Многострочные комментарии в Python
- Lambda-функция в Python: использование с map() и sum()
- Безопасный доступ к значениям словаря
- Поиск наиболее частого элемента списке
- Генераторы в Python
- Обновление данных через PUT запрос
- Отладка в Python
- Освоение Python
- None в Python: использование и особенности
- Объединение итераторов
- Создание графики с черепахой
- Основные операции с библиотекой Numpy
- Преобразование в float
- Форматирование заголовков в Python
- Преобразование чисел в слова
- Удаление знаков препинания в Python
- Управление экспортом элементов
- Ускорение кода с помощью векторизации
- Методы сравнения множеств
- Официальный канал Python в Telegram
- Методы list в Python
- Метод join() для объединения строк
- Реализация метода __abs__ в Python
- Метод enumerate() в Python
- Манипуляция формой массива в Numpy
- Аннотации типов в Python
- Основы работы с базами данных в Python
- Класс Counter() для подсчета элементов
- Декораторы с @wraps
- Работа с библиотекой requests
- Оператор «моржа» (Walrus Operator)
- Метод count() для списков
- Добавление элемента к кортежу
- Область видимости переменных
- Многопроцессорное программирование в Python
- Обход дочерних элементов BeautifulSoup
- PUT запрос для обновления данных
- Генерация резюме в Gensim
- Объединение словарей в Python
- Генерация случайных чисел в Python
- Работа с defaultdictами в Python
- Enum в Python
- Генератор чисел Фибоначчи
