numpy - “np.copy是浅复制，不会复制数组中的对象元素”的解释

Question

背景

• numpy.copy(a, order='K', subok=False)[source]指出：

请注意，np.copy是浅复制，不会复制数组内的对象元素。 这对于包含Python对象的数组尤其重要。新数组将包含同一对象，如果该对象可以被修改（可变），则可能会导致意外结果：

基于3.2 内存布局，我认为数组 a 将指向包含64位浮点数的内存区域。

换句话说，数组通常是一个连续的内存块，其部分可以使用索引方案访问。

因为文档中写道np.copy是浅拷贝，不会拷贝数组内的对象元素，我认为内存区域不会被复制，而是被引用。

然而，复制并不是对原始数组的视图，内存区域/地址是不同的，因为在x[0]=10之后，x[0]==z[0]是False。

x = np.array([1, 2, 3])
z = np.copy(x)
print(f"x.base {x.base} z.base {z.base}")
---
x.base None z.base None

x[0] = 10
print(x[0] == z[0])
---
False

print(f"x.base {x.base} z.base {z.base}")
---
x.base None z.base None

问题

np.copy(a) 实际上复制了什么？

如果这是一个 浅拷贝，为什么会为 z[0] 分配一个不同的内存区域？它实际上是在复制数组 x 的对象，应该称为 深拷贝 吗？还是 写时复制 呢？

或者 浅拷贝 是指，“当 np 数组的一个元素是可变容器（如列表）时，np.copy 将不会深度复制容器的内容”？

请帮助理解 z = np.copy(x) 到底做了什么以及当对 z 进行赋值操作时会发生什么。

- mon

---

你没有一个 object 类型的数组，所以不用担心 deepcopy。 - hpaulj

如果dtype是对象，数组的数据缓冲区包含对内存中其他位置的对象的引用。copy将具有一个新的数据缓冲区，但值将引用相同的对象。这与嵌套列表的浅拷贝问题相同。但是对于数值dtype，拥有一个新的数据缓冲区就足够了。新的缓冲区具有新的值。这是常规的数组拷贝，不需要过多考虑。 - hpaulj

Answer 1

在Python中，copy.copy()方法执行浅拷贝，即仅复制原始数据类型（例如int，float等）的对象，但组成对象（例如字典）不会被复制，而是通过指针引用。

另一方面，copy.deepcopy()方法将复制所有内容（包括诸如字典之类的复合数据结构），并将导致与第一个完全相同的新对象。

在numpy模块的情况下，如果您像应该那样使用它进行数值计算（即计算数值dtypes之一的数据），则copy将等同于deepcopy（因为numpy的所有数字项都是基本的dtypes），并将导致为已复制的项分配新的数据空间。

干杯。

- Michael