Numpy 陣列賦值：記憶體分配差異

在NumPy 中，向陣列賦值有三種常用方法：

• B = A
• B[:] = A
• numpy.copy(B, A)

B = A

當您使用B = A 時，您並不是在建立新陣列。相反，您將新名稱 (B) 綁定到現有陣列 (A)。因此，對一個陣列所做的任何修改都會反映在另一個陣列中。

B[:] = A

此語法建立一個新陣列 B，其中包含與 A 相同的維度和值。原始數組 A 未修改。與numpy.copy.

numpy.copy(B, A)

此方法需要更少的記憶體分配，因為您編寫的這種方法是不合法的。應該是 B = numpy.copy(A)。 numpy.copy 建立一個與 A 具有相同維度和值的新陣列 B。與 B[:] = A 相比，此方法需要更多的記憶體分配，因為它從原始數組建立資料的單獨實體副本。

何時分配額外記憶體？

當您使用 numpy.copy 建立陣列的新實體副本時，會指派額外記憶體。這是因為它為複製的資料分配了一個新的連續記憶體區塊。

何時未分配記憶體？

當您使用 B = A 時，未分配記憶體因為您只是重命名原始陣列。當您使用 B[:] = A 時，也不會分配內存，因為它重複使用與原始數組相同的內存位置。