Python copy.copy（）vs NumPy np.copy（）

Question

在任何情况下我都希望使用NumPy copy.copy()而不是Python的copy方法吗？据我所知，两者都创建浅拷贝，但NumPy仅限于数组。 NumPy是否有任何表现或特殊处理没有{{1}}解释？

Answer 1

numpy.copy允许使用order参数更多地控制结果的内存布局，并且它总是生成一个数组，即使给出了其他类似的数组。此外，您不必单独导入copy模块。

Answer 2

是的，有副作用，对于float64类型，numpy代码比纯python快20％左右。

In [1]: import numpy as np

In [2]: from copy import copy

In [3]: arr = np.random.rand(10000, 10000)

In [4]: %timeit copy(arr)
535 ms ± 97.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [5]: %timeit np.copy(arr)
453 ms ± 19.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [6]: %timeit arr.copy()
456 ms ± 22 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)