在本教程中，你将学习 NumPy 库中 ndarray 的拷贝（copy）和视图（view）概念。你将学习如何使用 copy() 和 view() 函数来创建现有数组的新拷贝或为数组创建新视图。你还将了解拷贝和视图之间的区别以及它们的不同行为。
虚拟机启动完成后，点击左上角切换到 Notebook 选项卡以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，请随时向 Labby 提问。在课程结束后提供反馈，我们将及时为你解决问题。
拷贝（copy）和视图（view）的主要区别在于，copy() 函数会创建一个新数组，而 view() 函数会为原始数组创建一个新视图。当我们创建输入数组的新拷贝时，它会被存储在不同的内存位置；而当我们创建视图时，它会指向与原始数组相同的内存位置。这意味着对输入数组的拷贝所做的任何更改都不会影响原始数组，反之亦然。然而，对视图所做的任何更改都会影响原始数组，反之亦然。
如果你将一个 NumPy 数组赋值给另一个数组，它并不会创建原始数组的直接拷贝。相反，它会创建另一个具有相同内容和 ID 的数组，该数组成为原始数组的引用。如果你对这个引用数组进行任何更改，这些更改会直接反映在原始数组中。
import numpy as np
input_arr = np.array([[5,2,7,4],[9,0,2,3],[1,2,3,19]])
print("The Original Array is :\n")
print(input_arr)
print("\nThe ID of array a:")
print(id(input_arr))
b = input_arr #assigning input_arr to b
print("\nNow we make the copy of the input_arr")
print("\nThe ID of b:")
print(id(b))
b.shape = 4, 3 #making some changes to b
print("\nThe Changes on b also reflect to a:")
print(input_arr)当我们使用 copy() 函数创建拷贝时，它也被称为深拷贝（deep copy）。数组的拷贝拥有自己的数据，这意味着对拷贝所做的任何更改都不会影响原始数组，反之亦然。
要创建输入数组的深拷贝，我们可以使用 numpy.ndarray.copy() 函数。
import numpy as np
## 创建一个数组
a = np.array([5, 4, 6, 8, 9])
## 创建输入数组的拷贝
c = a.copy()
## 检查 a 和 c 的 ID
print("The id of input array a:")
print(id(a))
print("The id of c is:")
print(id(c))
## 修改原始数组
a[0] = 25
## 打印原始数组和拷贝
print("The original array:")
print(a)
print("The copy is:")
print(c)当我们创建数组的视图时，它也被称为浅拷贝（shallow copy）。视图仅指向原始数组，并不拥有数据。这意味着对视图所做的任何更改都会影响原始数组，反之亦然。
要创建输入数组的视图，我们可以使用 numpy.ndarray.view() 函数。
import numpy as np
## 给定的输入数组
ar = np.array([2, 4, 6, 8, 10, 12])
## 创建视图
v = ar.view()
## 现在 ar 和 v 将有不同的 ID
print("The id of ar")
print(id(ar))
print("The id of v")
print(id(v))
## 更改原始数组也会影响视图
ar[3] = 16
## 打印原始数组和视图
print("The original array:")
print(ar)
print("The view:")
print(v)在本教程中，你学习了 NumPy 库中 ndarray 的拷贝（copy）和视图（view）的概念。你学会了如何使用 copy() 和 view() 函数来创建现有数组的新拷贝或为数组创建新视图。你还了解了拷贝和视图之间的区别以及它们的不同行为。我们建议通过更多示例来练习这些概念。
