تفاوت بین Copy و View در NumPy

تفاوت اصلی بین copy و view از یک آرایه، این است که copy یک آرایه‌ی جدید است و view تنها یک نمایش از آرایه‌ی اصلی است. نسخه‌ی کپی، مالک داده‌های درونش است و هر تغییری که در آن ایجاد شود، تاثیری روی آرایه‌ی اصلی ندارد؛ و هر تغییری هم که در آرایه‌ی اصلی ایجاد شود، روی کپی تاثیری ندارد. اما نسخه‌ی view مالک داده‌های درونش نیست و هر تغییری که در view ایجاد شود، روی آرایه‌ی اصلی تاثیر می‌گذارد؛ و هر تغییری هم که در آرایه‌ی اصلی ایجاد شود، روی view تاثیر می‌گذارد. 

Copy:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
x = arr.copy()
arr[0] = 42

print(arr)
print(x)

[42  2  3  4  5]
[1 2 3 4 5]

نکته: اگر تغییری در آرایه‌ی اصلی انجام دهیم، این تغییر نباید روی کپی تاثیری داشته باشد. 

View:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
x = arr.view()
arr[0] = 42

print(arr)
print(x)

[42  2  3  4  5]
[42  2  3  4  5]

نکته: اگر در آرایه‌ی اصلی تغییری انجام دهیم، این تغییر، باید روی view نیز تاثیر داشته باشد. 

تغییر ایجاد کردن در View

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
x = arr.view()
x[0] = 31

print(arr)
print(x)

[31  2  3  4  5]
[31  2  3  4  5]

نکته: با ایجاد تغییرات در view، آرایه‌ی اصلی نیز باید تاثیر بپذیرد. 

بررسی اینکه آیا یک آرایه، مالک داده‌های خود است یا نه

همان طور که در بالا گفته شد، Copyها مالک داده‌های خود هستند و viewها مالک داده‌های خود نیستند، اما ما چگونه می‌توانیم این موضوع را بررسی کنیم؟

هر آرایه در NumPy یک خصوصیت به نام base دارد که اگر این آرایه مالک داده‌ها باشد، مقدار None را برمی‌گرداند؛ در غیر این صورت، خصوصیت base، به آبجکت اصلی رجوع می‌کند. 

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

x = arr.copy()
y = arr.view()

print(x.base)
print(y.base)

None
[1 2 3 4 5]

copy مقدار None را برمی‌گرداند. اما view آرایه‌ی اصلی را برمی‌گرداند. 

منبع: www.w3schools.com/python