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"
- Запуск внешнего кода в Jupyter
- Работа с WindowsPath()
- Регистрация на курсы SF Education
- Очистка данных в Python
- Получение идентификатора объекта в памяти
- Изменение списка срезом
- Множественное присваивание в Python
- Работа со временем в Python
- Переворот списка в Python
- Объединение словарей в Python 3.5+
- Копирование объектов в Python
- Виртуальное окружение Python
- Преобразование числа в восьмеричную строку
- Выбор редактора кода.
- Возвращение нескольких значений через кортеж или класс
- OrderedDict — упорядоченный словарь
- Оптимизация поиска в словарях
- Работа с YAML в Python
- Импорт и использование модулей в Python
- Генератор бросков кубиков
- Переопределение метода divmod
- Лямбда-функции в Python
- Отладка утечек памяти в Python
- Комплексные числа в Python
- Оператор распаковки в Python
- Автоматизация скриптов на AWS Lightsail.
- lru_cache оптимизация функций
- Python и Монти Пайтон
- Преобразование PowerPoint в PDF.
- Решение переменной Шредингера
- Генераторы списков в Python
- Управление доступом к модулю
- Преобразование в float
- Удаление специальных символов
- Метод count() для списков
- Магические методы в Python
- Многострочные комментарии в Python
- Уникальные значения из списка
- Модуль inspect: получение информации о объектах
- Оператор * в Python
- Группы исключений в Python
- Цикл for в Python
- Поиск индексов в списке
- Переопределение метода __eq__
- Метод matmul для умножения матриц















