numpy.copy

numpy.copy(a, order='K', subok=False) [source]

Возвращает копию массива заданного объекта.

Параметры

aarray_like

Входные данные.

order{‘C’, ‘F’, ‘A’, ‘K’}, optional

Управляет расположением памяти копии. ‘C’ означает порядок C, ‘F’ означает порядок F, ‘A’ означает ‘F’, если a является Фортрановским, непрерывным, ‘C’ в противном случае. ‘K’ означает соответствие расположению a как можно точнее. (Обратите внимание, что эта функция и ndarray.copy очень похожи, но имеют разные значения по умолчанию для аргумента order=.)

subokbool, optional

Если True, то подклассы будут переданы, иначе возвращаемый массив будет принудительно преобразован в массив базового класса (по умолчанию False).

Добавлена в версии 1.19.0.

Возвращает

arrndarray

Массивная интерпретация a.

См. также

ndarray.copy

Предпочтительный метод для создания копии массива

Примечания

Это эквивалентно:

>>> np.array(a, copy=True)  

Примеры

Создайте массив x, с ссылкой y и копией z:

>>> x = np.array([1, 2, 3])
>>> y = x
>>> z = np.copy(x)

Обратите внимание, что при изменении x, y изменяется, но не z:

>>> x[0] = 10
>>> x[0] == y[0]
True
>>> x[0] == z[0]
False

Обратите внимание, что np.copy — это поверхностная копия, и она не копирует элементы объектов внутри массивов. Это в основном важно для массивов, содержащих Python-объекты. Новый массив будет содержать тот же объект, что может привести к неожиданным результатам, если этот объект можно изменить (изменяемый):

>>> a = np.array([1, 'm', [2, 3, 4]], dtype=object)
>>> b = np.copy(a)
>>> b[2][0] = 10
>>> a
array([1, 'm', list([10, 3, 4])], dtype=object)

Чтобы убедиться, что все элементы в массиве object скопированы, используйте copy.deepcopy:

>>> import copy
>>> a = np.array([1, 'm', [2, 3, 4]], dtype=object)
>>> c = copy.deepcopy(a)
>>> c[2][0] = 10
>>> c
array([1, 'm', list([10, 3, 4])], dtype=object)
>>> a
array([1, 'm', list([2, 3, 4])], dtype=object)