np.array的np.array的深层副本
我有一个不同的numpy数组的numpy数组，我想对数组进行深层复制。我发现以下内容：
import numpy as np
pairs = [(2, 3), (3, 4), (4, 5)]
array_of_arrays = np.array([np.arange(a*b).reshape(a,b) for (a, b) in pairs])
a = array_of_arrays[:] # Does not work
b = array_of_arrays[:][:] # Does not work
c = np.array(array_of_arrays, copy=True) # Does not work
d = np.array([np.array(x, copy=True) for x in array_of_arrays])
array_of_arrays[0][0,0] = 100
print a[0][0,0], b[0][0,0], c[0][0,0], d[0][0,0]
d是执行此操作的最佳方法吗？我错过了深层复制功能吗？与大小不同的数组中的每个元素进行交互的最佳方法是什么？
问题答案：
import numpy as np
import copy
pairs = [(2, 3), (3, 4), (4, 5)]
array_of_arrays = np.array([np.arange(a*b).reshape(a,b) for (a, b) in pairs])
a = copy.deepcopy(array_of_arrays)
请随时在此处阅读更多内容。
哦，这是最简单的测试用例：
a[0][0,0]
print a[0][0,0], array_of_arrays[0][0,0]
-
问题内容： 有没有一种方法可以指定与struct一起使用的默认dtype ？ 我特别想成为和成为。相反，我得到和 问题答案： 默认值取决于您的系统。在64位系统上，默认类型为64位。在32位系统上，默认类型为32位。无法使用其他系统C标头更改默认值，即重新编译numpy。 您当然可以明确指定dtype，例如 编辑：正如kazemakase在下面提到的，以上内容仅适用于int32 / int64。在
-
问题内容： 我有代表特定灰度图像的特定np.array`数据。我需要使用SimpleBlobDetector（），不幸的是，该SimpleBlobDetector（）仅接受8位图像，因此我需要转换此图像，显然会有质量损失。 我已经尝试过： 但是 cv2.imshow 不能提供预期的图像，但是会产生奇怪的失真… 最后，我只需要将np.float64转换为np.uint8即可缩放所有值，并截断其余所有
-
问题内容： 我想使用构造函数制作对象数组的深层副本。 但是，由于某种原因，我上面的内容不起作用。我有运行的自动化测试，但未通过这些测试。所以这里有一个错误，我不确定是什么。 问题答案： 您已实现的是 浅表 副本。要实现 深度 复制，您必须进行更改 一些事情，分配一个 副本 的到。您如何执行此操作取决于班级。可能的替代方法是： 复制构造函数： 工厂方法： 克隆： 笔记： 上面假设复制构造函数，工厂方
-
问题内容： 我有一个像这样的numpy数组： 我这样进行转换以减少内存需求： 结果是： 但是，当我这样做时： 我得到： 有什么想法吗？最终，numpy数组包含用于二进制分类问题的标签。到目前为止，我已经像在Keras ANN中一样使用了它，并且效果很好，并且我取得了不错的性能。那么实际上有必要跑步吗？ 问题答案： 您不需要使用，因为我猜您正在执行多标签分类。为了避免一劳永逸（！），让我解释一下。
-
问题内容： 这个问题已经在这里有了答案 ： 9年前关闭。 可能重复： 如何克隆ArrayList并克隆其内容？ 试图复制一个ArrayList。基础对象很简单，包含Strings，ints，BigDecimals，Dates和DateTime对象。如何确保对新ArrayList所做的修改不会反映在旧ArrayList中？ 干杯，P 问题答案： 在添加对象之前先对其进行克隆。例如，代替 假设已正确覆
-
问题内容： 实现深层对象复制功能有点困难。您采取什么步骤来确保原始对象和克隆对象没有引用？ 问题答案： 一种安全的方法是序列化对象，然后反序列化。这样可以确保所有内容都是全新的参考。 这是有关如何有效执行此操作的文章。 注意事项：类可能会覆盖序列化，这样就不会创建新实例，例如单例。如果您的课程不是可序列化的，那么这当然也行不通。