NumPy 副本和视图
副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。
视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。
视图一般发生在：
- 1、numpy 的切片操作返回原数据的视图。
- 2、调用 ndarray 的 view() 函数产生一个视图。
副本一般发生在：
- Python 序列的切片操作，调用deepCopy()函数。
- 调用 ndarray 的 copy() 函数产生一个副本。
1. 无复制
简单的赋值不会创建数组对象的副本。 相反，它使用原始数组的相同id()来访问它。 id()返回 Python 对象的通用标识符，类似于 C 中的指针。
此外，一个数组的任何变化都反映在另一个数组上。 例如，一个数组的形状改变也会改变另一个数组的形状。
import numpy as np
a = np.arange(6)
print ('我们的数组是：')
print (a)
print ('调用 id() 函数：')
print (id(a))
print ('a 赋值给 b：')
b = a
print (b)
print ('b 拥有相同 id()：')
print (id(b))
print ('修改 b 的形状：')
b.shape = 3,2
print (b)
print ('a 的形状也修改了：')
print (a)
输出结果为：
我们的数组是： [0 1 2 3 4 5] 调用 id() 函数： 4349302224 a 赋值给 b： [0 1 2 3 4 5] b 拥有相同 id()： 4349302224 修改 b 的形状： [[0 1] [2 3] [4 5]] a 的形状也修改了： [[0 1] [2 3] [4 5]]
2. 视图或浅拷贝
ndarray.view() 方会创建一个新的数组对象，该方法创建的新数组的维数变化不会改变原始数据的维数。
import numpy as np
# 最开始 a 是个 3X2 的数组
a = np.arange(6).reshape(3,2)
print ('数组 a：')
print (a)
print ('创建 a 的视图：')
b = a.view()
print (b)
print ('两个数组的 id() 不同：')
print ('a 的 id()：')
print (id(a))
print ('b 的 id()：' )
print (id(b))
# 修改 b 的形状，并不会修改 a
b.shape = 2,3
print ('b 的形状：')
print (b)
print ('a 的形状：')
print (a)
输出结果为：
数组 a： [[0 1] [2 3] [4 5]] 创建 a 的视图： [[0 1] [2 3] [4 5]] 两个数组的 id() 不同： a 的 id()： 4314786992 b 的 id()： 4315171296 b 的形状： [[0 1 2] [3 4 5]] a 的形状： [[0 1] [2 3] [4 5]]
使用切片创建视图修改数据会影响到原始数组：
import numpy as np
arr = np.arange(12)
print ('我们的数组：')
print (arr)
print ('创建切片：')
a=arr[3:]
b=arr[3:]
a[1]=123
b[2]=234
print(arr)
print(id(a),id(b),id(arr[3:]))
输出结果为：
我们的数组： [ 0 1 2 3 4 5 6 7 8 9 10 11] 创建切片： [ 0 1 2 3 123 234 6 7 8 9 10 11] 4545878416 4545878496 4545878576
变量 a,b 都是 arr 的一部分视图，对视图的修改会直接反映到原数据中。但是我们观察 a,b 的 id，他们是不同的，也就是说，视图虽然指向原数据，但是他们和赋值引用还是有区别的。
3. 副本或深拷贝
ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。
import numpy as np
a = np.array([[10,10], [2,3], [4,5]])
print ('数组 a：')
print (a)
print ('创建 a 的深层副本：')
b = a.copy()
print ('数组 b：')
print (b)
# b 与 a 不共享任何内容
print ('我们能够写入 b 来写入 a 吗？')
print (b is a)
print ('修改 b 的内容：')
b[0,0] = 100
print ('修改后的数组 b：')
print (b)
print ('a 保持不变：')
print (a)
输出结果为：
数组 a： [[10 10] [ 2 3] [ 4 5]] 创建 a 的深层副本： 数组 b： [[10 10] [ 2 3] [ 4 5]] 我们能够写入 b 来写入 a 吗？ False 修改 b 的内容： 修改后的数组 b： [[100 10] [ 2 3] [ 4 5]] a 保持不变： [[10 10] [ 2 3] [ 4 5]]
NumPy 中包含了矩阵库 numpy.matlib 模块，numpy.matlib 中的函数返回的是一个矩阵，而不是 ndarray 对象。一个矩阵是一个由>行（row）、列（column）元素排列成的矩形阵列。