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"
- Использование defaultdict в Python
- Иерархия классов в Python
- Итерация по коллекции в Python
- Декораторы в Python
- Работа с множествами в Python
- Перегрузка операторов в Python
- Объединение словарей в Python
- Метод __imod__ для Python
- Улучшение читаемости кода в Python
- Экранирование символов в Python
- Настройка шрифта и цвета в Tkinter
- Поиск частых элементов в списке
- Логирование с Logzero
- Инверсия списков и строк в Python
- Асинхронное выполнение задач в процессах
- Обновление данных через PUT запрос
- Конкатенация строк в Python
- Создание вкладок с TKinter
- Установка пакетов с помощью pip
- Распаковка аргументов в Python
- Управление импортом в Python
- Установка Python — Простое руководство
- Lambda Functions in Python
- Установка виртуального окружения Python
- Работа с комплексными числами
- Преобразование PowerPoint в PDF.
- Измерение времени выполнения
- Форматирование строк в Python
- Генераторы в Python
- Ограничение ресурсов в Python
- Метод rmatmul для обратного матричного умножения
- Применение промокода в Много лосося
- Подписка на каналы разработчиков
- Создание словарей и множеств в Python.
- split() — разделение строки
- Роль запятой в Python
- Создание и обучение модели с Keras
- Создание и использование модулей в Python
- Работа с каталогами в Python
- Функция map() и ленивая оценка
- Аннотации типов в Python
- Сравнение строк в Python
- Многоточие в Python
- Блок try-except-else
- Поиск email
- Работа с набором данных CIFAR10 в PyTorch
