Numpy 数组赋值：内存分配差异

在 NumPy 中，向数组赋值有三种常用方法：

• B = A
• B[:] = A
• numpy.copy(B, A)

B = A

当您使用 B = A 时，您并不是在创建新数组。相反，您将新名称 (B) 绑定到现有数组 (A)。因此，对一个数组所做的任何修改都会反映在另一个数组中。

B[:] = A

此语法创建一个新数组 B，其中包含与 A 相同的维度和值。原始数组 A 未修改。与 numpy.copy.

numpy.copy(B, A)

此方法需要更少的内存分配，因为您编写的这种方法是不合法的。应该是 B = numpy.copy(A)。 numpy.copy 创建一个与 A 具有相同维度和值的新数组 B。与 B[:] = A 相比，此方法需要更多的内存分配，因为它从原始数组创建数据的单独物理副本。

何时分配额外内存？

当您使用 numpy.copy 创建数组的新物理副本时，会分配额外内存。这是因为它为复制的数据分配了一个新的连续内存块。

何时未分配内存？

当您使用 B = A 时，未分配内存因为您只是重命名原始数组。当您使用 B[:] = A 时，也不会分配内存，因为它重复使用与原始数组相同的内存位置。