Numpy中的深拷贝与浅拷贝（视图）

1. numpy中简单的浅拷贝与深拷贝
浅拷贝的特点：
①公用一个值；
②这两个变量的内存地址一样；
③其中一个变量的值改变时，另外一个变量的值也会改变；

深拷贝的特点：
①变量的内存地址不同；
②变量各有自己的值，且互不影响；
③对其任意一个变量的值的改变不会影响其余变量的值；

2. numpy进阶浅拷贝（视图）与深拷贝
1）浅拷贝（视图）——ndarray.view()
共享“视图”（view）的两个变量，当其中一个变量的值改变时，另一个变量的值也随之改变。此时，变量间的“拷贝”也是“浅拷贝”。

2）深拷贝——np.copy()
通过“深拷贝”得到的变量互不干扰，其中一个变量的值改变时，不影响其他变量的值。

numpy中，一个ndarray的视图和原ndarray是不同的对象，但是其共享ndarray值的内存，所以当修改其中一个对象的值的时候，两个对象都会发生改变。这样两个对象是互相关联的，这样做的好处就是不会涉及到数据在内存中的复制，这样可以节省空间，提高性能；而不好的地方就是两个对象是并不是相互独立的，有时候我们并不预期改变一个对象会影响到其他的对象。因此，如果我们希望两个ndarray是完全独立的，那么可以通过ndarray的copy函数，返回其副本，这个副本在内存中具有独立的空间，因此不存在共享内存，所以也就完全独立，不会相互影响。

一般地，切片索引返回的是视图（浅拷贝），而数组索引返回的是副本，切片和数组组合索引返回的自然也是副本（深拷贝）；此外，reshape函数返回的也是视图。通常状况下，大部分函数返回的都是副本，比如hstack、vstack等。
(最后两段话的原文链接https://blog.csdn.net/S_o_l_o_n/article/details/108819034)