Python 浅拷贝与深拷贝

栏目: Python · 发布时间: 5年前

内容简介:Python中,对于不可变对象(字符串、元组、数值)的赋值:对于可变对象(列表、字典、集合等)的赋值:
  • 不可变对象,该对象所指向的内存中的值不能被改变。 当改变某个变量时候,由于其所指的值不能被改变,相当于把原来的值复制一份后再改变,这会开辟一个新的地址,变量再指向这个新的地址。
  • 可变对象,该对象所指向的内存中的值可以被改变。 变量(准确的说是引用)改变后,实际上是其所指的值直接发生改变,并没有发生复制行为,也没有开辟新的出地址,通俗点说就是 原地改变

Python中, 数值类型(int和float)、字符串str、元组tuple都是不可变类型。而列表list、字典dict、集合set是可变类型。

赋值

对于不可变对象(字符串、元组、数值)的赋值:

>>>a = 6
>>>b = a
>>>print(a, b)
6 6
>>>a = 2   # 修改a,b不变
>>>print(a, b)
2 6

对于可变对象(列表、字典、集合等)的赋值:

>>>a = [1, 2, 3, [4, 5]]
>>>b = a
>>>print(a, b)
[1, 2, 3, [4, 5]] [1, 2, 3, [4, 5]]
>>>a[1] = 6
>>>print(a, b) # 修改a中的值,b也变了
[1, 6, 3, [4, 5]] [1, 6, 3, [4, 5]]

浅拷贝

python 中,标识一个对象唯一身份的是:对象的 id (内存地址),对象类型,对象值,而浅拷贝就是创建一个具有相同类型,相同值但不同 id 的新对象。

对可变对象而言,对象的值一样可能包含有对其他对象的引用,浅拷贝产生的新对象,虽然具有完全不同的 id ,但是其值若包含可变对象,这些对象和原始对象中的值包含同样的引用。

>>>a = [1, 2, 3, [4, 5]]
>>>b = a.copy()    # list的copy方法,浅拷贝
>>>print(a, b)
[1, 2, 3, [4, 5]] [1, 2, 3, [4, 5]]
>>>a[1] = 6
>>>print(a, b) # 修改a中的不可变对象,b不变
[1, 6, 3, [4, 5]] [1, 2, 3, [4, 5]]
>>>a[3].append(7)  # 修改a中的可变对象时,b也变了
>>>print(a, b)
[1, 6, 3, [4, 5, 7]] [1, 2, 3, [4, 5, 7]]

list.copy() 浅拷贝:复制此列表(只复制一层,不会复制深层对象) 等同于 L[:] 。如上所示,浅拷贝产生的新对象中可变对象的值在发生改变时会对原对象的值产生副作用,因为这些值是同一个引用。

浅拷贝仅仅对对象自身创建了一份拷贝,而没有在进一步处理对象中包含的值。因此使用浅拷贝的典型使用场景是:对象自身发生改变的同时需要保持对象中的值完全相同,比如 list 排序。

copy 模块中,也提供了 copy 方法可以完成浅拷贝。

from copy import copy

深拷贝

列表没有深拷贝方法,但是 copy 模块中提供了 deepcopy 方法可以完成深拷贝。

from copy import deepcopy

相比于浅拷贝,深拷贝不仅仅拷贝了原始对象自身,也对其包含的值进行拷贝,它会递归的查找对象中包含的其他对象的引用,来完成更深层次拷贝。因此,深拷贝产生的副本可以随意修改而不需要担心会引起原始值的改变。

>>>import copy # list没有deepcopy方法
>>>a = [1, 2, 3, [4, 5]]
>>>b = copy.deepcopy(a)    # 深拷贝
>>>a[3].append(6)  # 即使修改a中的可变对象,b也不变
>>>print(a, b)
[1, 2, 3, [4, 5, 6]] [1, 2, 3, [4, 5]]

值得注意的是,深拷贝并非完完全全递归查找所有对象,因为一旦对象引用了自身,完全递归可能会导致无限循环。一个对象被拷贝了,python 会对该对象做个标记,如果还有其他需要拷贝的对象引用着该对象,它们的拷贝其实指向的是同一份拷贝。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

大数据时代的算法:机器学习、人工智能及其典型实例

大数据时代的算法:机器学习、人工智能及其典型实例

刘凡平 / 电子工业出版社 / 2017-1 / 49

《大数据时代的算法:机器学习、人工智能及其典型实例》介绍在互联网行业中经常涉及的算法,包括排序算法、查找算法、资源分配算法、路径分析算法、相似度分析算法,以及与机器学习相关的算法,包括数据分类算法、聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法。《大数据时代的算法:机器学习、人工智能及其典型实例》涉及的相关算法均为解决实际问题中的主流算法,对于工作和学习都有实际参考意义。 《......一起来看看 《大数据时代的算法:机器学习、人工智能及其典型实例》 这本书的介绍吧!

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

HTML 编码/解码
HTML 编码/解码

HTML 编码/解码

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换