Numpy 数组是否具有自己的数据

在使用 NumPy 进行向量化的数学计算时，常常会遇到一些数组数据的问题，其中一个是：是否 Numpy 数组共享相同的数据。这个问题的答案是，Numpy 中的多维数组并不是独立的数据集合，多个数组之间可能会共享相同的数据存储内存。接下来，我们将详细了解这个问题。

阅读更多：Numpy 教程

Numpy 数组中元素的探究

首先，来看下面这个示例：

import numpy as np

arr1 = np.array([1, 2, 3, 4, 5])
arr2 = arr1[:3]

print('arr1:', arr1)
print('arr2:', arr2)

arr2[0] = 0

print('arr1:', arr1)
print('arr2:', arr2)

这个示例中，我们先创建了 arr1 数组，然后创建了一个 arr2 数组，与 arr1 数组共享相同的内存，只是使用了 arr1 的前 3 个元素。接着，将 arr2 数组的第一个元素赋值为 0。最后，我们发现 arr1 数组的第一个元素也变成了 0。

这是因为，arr1 和 arr2 数组实际上是一个共享内存的数组。虽然我们创建了一个新的数组，但是它们实际上是指向相同的数据缓存区域的不同名称。

也就是说，当我们在原始数组或副本中进行更改时，它们实际上都会影响原始数据。

数据共享依赖于内存分配

在 NumPy 中，如果一个数组要存储的数据大于一定的大小，如 1000 个元素，则会分配一个新的内存块。而如果新的数组与旧的数组有相同的数据结构，则这两个数组将共享相同的数据存储内存。

比如，下面这个例子可以用来说明这一点：

arr1 = np.ones(1000)
arr2 = np.ones(1000)

print('arr1:', arr1)
print('arr2:', arr2)

arr1[0] = 0

print('arr1:', arr1)
print('arr2:', arr2)

在这个例子中，创建了两个包含 1000 个 1 的数组 arr1 和 arr2。然后将 arr1 数组的第一个元素更改为 0。最后，我们发现 arr2 的数组中第一个元素仍然为 1。

这是因为在这种情况下，NumPy 会分配两个不同的数据缓存区域来存储这两个数组的数据。

复制数组，而不是共享内存

我们可以通过 Pandas 的 copy() 方法来复制数组，从而确保它们不共享相同的数据存储内存。比如：

arr1 = np.array([1, 2, 3, 4, 5])
arr2 = arr1[:3].copy()

print('arr1:', arr1)
print('arr2:', arr2)

arr2[0] = 0

print('arr1:', arr1)
print('arr2:', arr2)

在这个例子中，我们使用 arr1[:3].copy() 来创建一个名为 arr2 的数组，这个数组将不再共享相同的内存。

现在，我们将 arr2 的第一个元素更改为 0，然后再次打印 arr1 和 arr2 的值。现在，我们发现，arr1 数组中的第一个元素仍然为 1。