之前遇到这样一段代码
import numpy as np from sklearn import datasets from sklearn.model_selection import train_test_split import collections digits = datasets.load_digits() X = digits.data # 1 使用copy()，深拷贝 y = digits.target.copy() # 2 不使用copy()，浅拷贝 y = digits.target y[digits.target==9] = 1 y[digits.target!=9] = 0 X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=666) print(collections.Counter(y_train))输出结果为下：
# 使用copy()时的输出结果 Counter({0: 1212, 1: 135}) # 不使用copy()时的输出结果 Counter({0: 1347})在不使用copy()时，python中默认的是浅拷贝，即两个变量都指向了同一个内存地址
# 那么在下面的代码段中 y 与 digits.target 都指向了一个地址（使用 X 指代） y[digits.target==9] = 1 # 将 X 中为 9 的值都换成 1 y[digits.target!=9] = 0 # 此时 X 中所有的值已经没有 9 了，即所有的值都换成了 0所以，在使用了copy()之后，输出的结果中还包含两类
