操作和修改数组时，他们的数据有时被复制到一个新的数组中有时候没有，这很容易让人误解。

      副本(深拷贝)是一个数据的完整的拷贝，如果我们对其进行修改，它不会影响到原始数据，物理内存(id( ))不在同一位置。实现方式：

（1）Python 序列的切片操作;

（2）Python调用copy.deepCopy()函数(详见上一篇博客)；

（3）调用 ndarray的 copy() 函数产生一个副本（注意：ndarray没有deepcopy()属性，同时这里的copy()是ndarray的自带属性，不需要引入copy模块;)

       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，虽然视图和原始数据的id不同,但是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。

实现方式：

（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；

下面举三个例子：

1.No copy at all (一点也没有复制）

import numpy as np

a = np.arange(12)

b = a  #并没有新的对象被创建，a和b只是相同ndarray对象的两个名字而已，下面用id()来验证一下

print(id(a),id(b))

可见a和b指向同一个数据对象。

2.View or  Shallow Copy

c = a.view()    #method of numpy.ndarry instance  numpy.ndarry实例的方法

以下可见c = a.view()创建了一个新的对象，但是这两个对象共享相同的数据。

如上所见，对象c和a都可以对数据的数值进行修改，但是c不能对shape属性进行修改。

另外切片数据也会返回“视图”对象。

s[:]是s的一个视图

3.Deep Copy(深度复制)

      d = a.copy()    #a new array object with new data is created

点滴分享，福泽你我！Add oil！

【参考】

https://blog.csdn.net/qq_37553899/article/details/78793226

https://blog.csdn.net/u014157109/article/details/89764385