View và copy trong NumPy: vì sao sửa lát cắt đổi mảng gốc
Bài 9/23 · Chương 2
Mảng và tư duy vector
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 11
View trong NumPy (numpy view) là một mảng không có dữ liệu riêng mà dùng chung ô nhớ với mảng khác, nên sửa view là sửa mảng gốc; bản chép bằng .copy() (numpy copy) thì có dữ liệu riêng. Bạn cần phân biệt hai thứ này mỗi khi cắt một phần bảng ra để thử sửa, như giảm giá thử vài món mà vẫn giữ menu gốc.
Cần biết trước: chỉ số và cắt mảng và chép list.
Sửa lát cắt là sửa mảng gốc
Quán muốn thử giá khuyến mãi cho hai món đầu menu. Cùng một việc, làm trên list rồi trên mảng NumPy:
import numpy as np
gia_list = [29000, 32000, 35000, 45000]
dau_list = gia_list[:2]
dau_list[0] = 0
print(gia_list)
gia = np.array([29000, 32000, 35000, 45000])
dau = gia[:2]
dau[0] = 0
print(gia)KẾT QUẢ
[29000, 32000, 35000, 45000]
[ 0 32000 35000 45000]Lát cắt của list là một list mới, chép các phần tử ra, nên gia_list giữ nguyên. Lát cắt của mảng thì không chép gì: dau là view, hai ô của nó chính là hai ô đầu của gia. Gán 0 vào dau[0] là gán vào gia[0]. Giống hai cái tên cho cùng một ngăn kéo: bỏ đồ vào qua tên này, mở bằng tên kia vẫn thấy.
NumPy làm vậy để nhanh: bảng doanh thu có thể có hàng triệu ô, và cắt một khối con không tốn thời gian chép.
Kiểm bằng np.shares_memory()
Nhìn code thì khó biết một mảng là view hay bản chép. np.shares_memory(a, b) trả True khi hai mảng dùng chung ít nhất một ô dữ liệu:
import numpy as np
gia = np.array([29000, 32000, 35000, 45000])
dau = gia[:2]
ban_sao = gia[:2].copy()
print(np.shares_memory(gia, dau))
print(np.shares_memory(gia, ban_sao))
bang = gia.reshape(2, 2)
print(np.shares_memory(gia, bang))
print(np.shares_memory(gia, bang.ravel()))
print(np.shares_memory(gia, bang.flatten()))KẾT QUẢ
True
False
True
True
FalseLát cắt là view; .copy() cho bản chép có dữ liệu riêng. Bài reshape() đã dùng reshape() và ravel(): cả hai thường trả view, nên sửa bang cũng đổi gia. flatten() thì chép ở mọi lần gọi.
Tách riêng bằng .copy()
Muốn sửa mà giữ mảng gốc, gọi .copy() ngay khi cắt:
import numpy as np
gia = np.array([29000, 32000, 35000, 45000])
khuyen_mai = gia[:2].copy()
khuyen_mai -= 5000
print(khuyen_mai)
print(gia)KẾT QUẢ
[24000 27000]
[29000 32000 35000 45000]khuyen_mai có dữ liệu riêng, nên trừ 5.000 đ trên nó không chạm tới menu gốc. Đặt .copy() ở chỗ tạo mảng mới, trước lệnh sửa đầu tiên, là thói quen an toàn: sửa một view bạn quên mất là lỗi khó tìm, vì chương trình không báo gì.
Đổi gia[:2].copy() thành gia[:2] rồi chạy lại: dòng cuối in [24000 27000 35000 45000], menu gốc đã bị giảm giá.
Phép tính tạo mảng mới, phép gán sửa tại chỗ
Không phải dòng nào chạm vào view cũng sửa mảng gốc. Phép tính như dau - 5000 trả một mảng mới; chỉ phép gán vào ô (dau[0] = …) và phép gán gộp (dau -= …) mới ghi vào dữ liệu chung:
import numpy as np
gia = np.array([29000, 32000, 35000, 45000])
dau = gia[:2]
moi = dau - 5000
print(np.shares_memory(gia, moi))
print(gia)
dau -= 5000
print(gia)KẾT QUẢ
False
[29000 32000 35000 45000]
[24000 27000 35000 45000]moi = dau - 5000 không đổi gì trong gia: kết quả của phép trừ là mảng mới. Dòng dau -= 5000 ghi thẳng vào hai ô của dau, cũng là hai ô đầu của gia. Khi chỉ đọc lát cắt để tính, bạn không cần .copy(); khi sắp sửa nó, bạn cần.
Kiểm tra nhanh
Sau
import numpy as np,a = np.array([1, 2, 3]),b = a[1:]vàb[0] = 9,print(a)in ra gì?[1 2 3][1 9 3][9 2 3]
Sau
import numpy as npvàa = np.arange(6),np.shares_memory(a, a[::2].copy())trả về gì?TrueFalse- Báo lỗi
TypeError
Với
a = np.arange(6), những mảng nào dùng chung dữ liệu vớia?a[2:]a.reshape(2, 3)a.copy()a + 0
Trong khung bẫy giá mùa hè, vì sao
menucũng bị tăng giá?- Vì
+=sửa cả những mảng có cùng giá trị - Vì
menu[:]là view, dùng chung dữ liệu vớimenu - Vì
print(menu)in lạimenu_he
- Vì
Bài tập
Tính bảng giá khuyến mãi mà giữ menu gốc
gia là mảng giá các món theo thứ tự menu. Viết thân hàm ap_khuyen_mai(gia, so_mon, giam): trả về bảng giá mới, trong đó so_mon món đầu menu được giảm giam đồng, các món sau giữ giá. so_mon có thể là 0 hoặc lớn hơn số món (khi đó giảm cả menu). Hàm không sửa mảng gia của nơi gọi, và kết quả không dùng chung dữ liệu với gia.
Tạo bản chép bằng .copy() và không dùng vòng lặp for.
Trả về: giá mới của mọi món, theo thứ tự menu, một ndarray.
Ví dụ ap_khuyen_mai(np.array([29000, 32000, 35000, 45000]), 2, 5000) cho [24000 27000 35000 45000].
import numpy as np
def ap_khuyen_mai(gia, so_mon, giam):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Lát cắt của mảng NumPy là view: không có dữ liệu riêng, gán vào nó là gán vào mảng gốc.
Lát cắt của list là bản chép;
[:]chép được list nhưng với mảng chỉ là view của cả mảng.np.shares_memory(a, b)cho biết hai mảng có dùng chung dữ liệu không..copy()tạo bản tách riêng; gọi nó ngay khi cắt, trước khi sửa.reshape(),ravel()thường trả view;flatten()và các phép tính nhưdau - 5000trả mảng mới.Chỉ đọc lát cắt để tính thì không cần
.copy(); sắp gán vào nó thì cần.
Câu hỏi thường gặp
ndarray.copy() và np.copy() khác nhau không?
Không khác về kết quả với mảng NumPy: gia.copy() và np.copy(gia) đều cho bản chép có dữ liệu riêng. Bài này dùng gia.copy() vì đọc liền với tên mảng.
Lọc mảng bằng điều kiện có ra view không?
Không: lọc bằng mảng bool hay danh sách chỉ số chép ra mảng mới ở mọi lần, vì kết quả không mô tả được bằng một bước nhảy đều trên mảng gốc như lát cắt. Bài lọc mảng NumPy theo điều kiện dùng cách lọc đó.
Có cần .copy() khi truyền mảng vào hàm không?
Hàm nhận chính mảng của nơi gọi, không nhận bản chép. Nếu hàm định sửa mảng mà nơi gọi còn cần bản gốc, hàm nên gọi .copy() ở dòng đầu, như bài tập trên; hàm chỉ đọc mảng để tính thì không cần.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.