1. 首先我们来看视图view

先看看NumPy文档里对ndarray.view方法的说明:

• ndarray.view(dtype=None, type=None)
• New view of array with the same data。
• 返回数据的新视图。

先不看它的参数，我们先使用参数均为None的版本，它返回数据的一个新视图。除了view()方法，还有我们熟悉的reshape()方法也可以返回一个视图，至于其他也能返回视图的方法我们后文再提。等等，上面的中英文说明还是没说清楚视图到底是个啥概念啊？这里先不作多余的解释，直接上代码 + 图吧。

import numpy as np

a = np.arange(10)

b = a.reshape(5,2)  

c = a.view()  
c.shape = (2,5)

a_base = a.base
b_base = b.base
c_base = c.base

a_base, b_base, c_base

(None,
 array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),
 array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

对程序的说明，

• 首先创建一个具有10个数据的1维数组a，shape为(10, )。
• b是reshape方法返回的a的一个视图(view)，此时b是一个2维数组，它的shape为(5,2)。
• c是view方法返回的a的一个视图，此时c的shape为(10, )，当执行c.shape = (2, 5)后c的shape变为(2, 5)。
• b_base和c_base说明b和c只是a的一个视图，共享数据，虽然它们的shape各不相同。

所谓有图有真相，我们还是来看下程序运行后的情况。

看上图，好像a、b、c指向了不同的数组，但是a、b.base、c.base指向同一个地方。这是什么个情况呢？

这里的base是什么东西，我们下文再讲。先只要知道a、b.base、c.base指向同一个地方说明其实它们指向同一份数据，只是不同的人眼里看成不同的样子，好比人都有自己的三观，会用不同的角度去看待同一个事情。

在回顾一下代码，当运行到c = a.view()这步时，结果如下图所示，此时c的三观还是和a保持一致的，

经过三观改造后，即执行c.shape = (2,5)，视图c有新的shape。

接着我们来看看各个数组的base，

a.base is None

True

b.base is a

True

c.base is a

True

ndarray.base

• NumPy文档说明: Base object if memory is from some other object.
• base对象说明数据是否来自别的对象。
• 上面这个例子，a.base是None，说明a自己拥有数据，不是来自别人的，而b和c的base都是a，说明它们都没有自己的数据，都是a的。

下面代码的运行结果表明，这三个数组中只有a是数据的所有者，而b和c都不是。

a.flags.owndata, b.flags.owndata, c.flags.owndata

(True, False, False)

比喻，a是一位具有共享精神的土豪，花钱买了设备和数据并且共享给别人用；b和c都没有自己的数据，它们通过联网可以访问a家的数据，他们从不同角度去看这些数据，比如用不同维度去解读这些数据，甚至还可以修改a家的数据。

b[1,1] = 88

此时，b轻敲键盘，把原来的3改成了88。结果我们看下图，三个数组里的3同时被改成88了。因为它们本来就是同一个，a共享给b和c共同维护这屁数据。

2. 接下来我们来看看copy

等b或者c有钱了，也可以买个移动硬盘啥的从a那里copy拷数据，直接拿到家里，这样就和a家里的数据完全分开啦。

b = a.copy().reshape(5,2)
b[1,1] = 3
b_base = b.base

上面代码说明：b花钱买了个移动硬盘，从a那里copy了一份数据，然后b还是喜欢以shape(5,2)来看数据(人到了一定年纪，三观基本定型了呀)。并且偷偷又把88改回3，此时大家再看内存中的数据，a和c看到的仍然是同一份数据，b已经脱离小伙伴，自己一个人在家里玩了，b.base不是a了，而是a的一份copy。

最后我们来对比一下view()和copy()的效率，

%%timeit
b = a.view()

132 ns ± 0.622 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%%timeit
b = a.copy()

267 ns ± 0.387 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

小结一下，view vs copy:

• 修改view的数据，它base的数据也跟着变了, 而修改copy的数据，并不影响它base的数据。
• 一个base数组(array)的不同view具有相同的base，但同一个数组的不同copy却各有其base。
• 效率不同，copy()需要花费的时间大概是view()的2倍左右。

我们尽量保持短文形式，以方便大家利用零碎时间阅读。

本文获得原文作者授权，转载自公众号“机器学习与数学”。