copyとdeepcopyとnumpy.copyの挙動について

ハマったのでメモ．

コピーなし・浅いコピー・深いコピー

pythonでlistを別の変数に代入すると，「参照渡し」になる．

x = [1, 2, 3]
y = x
y[0] = 999
x  # yへの変更がxにも影響を及ぼした．

>>> [999, 2, 3]

これを回避 (= 値渡し) するためには，copyを使うと良い．

from copy import copy
x = [1, 2, 3]
y = copy(x)  # x[:]でも良い (むしろこっちのほうがシンプル)
y[0] = 999
x  # yへの変更が影響しなかった

>>> [1, 2, 3]

ではcopyは完全に行われたのか，というと，そうではない．
例えば，入れ子にされたlistについては参照渡しになっている．

from copy import copy
x = [[1, 2, 3], 4, 5]
y = copy(x)
y[0][0] = 999
x  # copyしたハズなのに！

>>> [[999, 2, 3], 4, 5]

そこで，入れ子等を含め何もかもを完全にcopyしたい場合はdeepcopyを使う．

from copy import deepcopy
x = [[1, 2, 3], 4, 5]
y = deepcopy(x)
y[0][0] = 999
x

>>> [[1, 2, 3], 4, 5]

NumPyはどうなのか．

試してみたところ，どうやら浅いコピーと深いコピーのどちらを実行するか自動で判断されるようである．
以下の2つは，x内の2番目のリストに6が含まれるかどうかだけが異なる．

import numpy as np
x = [[1, 2, 3], [4, 5]]
y = np.copy(x)
y[0][0] = 999
x

>>> [[999, 2, 3], [4, 5, 6]]

import numpy as np
x = [[1, 2, 3], [4, 5, 6]]
y = np.copy(x)
y[0][0] = 999
x

>>> [[1, 2, 3], [4, 5, 6]]

どうも，n次元配列に直せそうなものに対しては深いコピーを実施するようである．
行列がlistの入れ子で表現される以上まっとうな考えかただと思う．
ちなみに3次元でも同様である．

import numpy as np
x = [[[1, 0], [2, 0], [3]],
     [[4, 0], [5, 0], [6, 0]]]
y = np.copy(x)
y[0][0][0] = 999
x

>>> [[[999, 0], [2, 0], [3]], [[4, 0], [5, 0], [6, 0]]]

import numpy as np
x = [[[1, 0], [2, 0], [3, 0]],
     [[4, 0], [5, 0], [6, 0]]]
y = np.copy(x)
y[0][0][0] = 999
x

>>> [[[1, 0], [2, 0], [3, 0]], [[4, 0], [5, 0], [6, 0]]]

感想

deepcopy最強！！！！！

(一応) 公式曰く，深いコピー操作には2つの問題が有るとのこと．

• 再起的なオブジェクトをコピーするときに無限ループしてしまう
• 共有すべき管理データを余分にコピーしてしまう

でも個人で扱うぶんには多少冗長なコピーがあっても痛くない．
再帰処理だってそう頻繁に必要とされるものじゃないし，とりあえずハマりそうなシチュエーションではdeepcopyしとくってのは良い選択かもしれないですね．