Python中的赋值与深浅拷贝

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python中的赋值与深浅拷贝，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5179字，纯文字阅读大概需要8分钟。

内容图文

　　鉴于对很多初学编程的小伙伴来说，对于赋值和深浅拷贝的用法有些疑问，所以我就结合python变量存储的特性从内存的角度来谈一谈赋值和深浅拷贝~~~

准备知识

　　一些基本的定义：

• 在Python中对象的赋值其实就是对象的引用。当创建一个对象，把它赋值给另一个变量的时候，python并没有拷贝这个对象，只是拷贝了这个对象的引用而已。
• 浅拷贝：拷贝了最外围的对象本身，内部的元素都只是拷贝了一个引用而已。也就是，把对象复制一遍，但是该对象中引用的其他对象我不复制
• 深拷贝：外围和内部元素都进行了拷贝对象本身，而不是引用。也就是，把对象复制一遍，并且该对象中引用的其他对象我也复制。

　　几个术语的解释

• 变量：是一个系统表的元素，拥有指向对象的连接空间
• 对象：被分配的一块内存，存储其所代表的值
• 引用：是自动形成的从变量到对象的指针
• 注意：类型（int类型，long类型(python3已去除long类型，只剩下int类型的数据)）属于对象，不是变量
• 不可变对象：一旦创建就不可修改的对象，包括字符串、元组、数字
• 可变对象：可以修改的对象，包括列表、字典。

　　深浅拷贝的作用

• 减少内存的使用 
• 以后在做数据的清洗、修改或者入库的时候，对原数据进行复制一份，以防数据修改之后，找不到原数据。

　　对于不可变对象的深浅拷贝

　　不可变对象类型，没有被拷贝的说法，即便是用深拷贝，查看id的话也是一样的，如果对其重新赋值，也只是新创建一个对象，替换掉旧的而已。

一句话就是，不可变类型，不管是深拷贝还是浅拷贝，地址值和拷贝后的值都是一样的。

数字、字符串、元祖等不可变数据类型

赋值

举个栗子：

n1 = 123123
n2 = n1
print(n1,n2)
print(id(n1))
print(id(n2))

输出结果：
123123 123123
1607915318992
1607915318992

　　在以上代码块当中，a2与a1所赋的值是一样的，都是数字123123。因为python有一个重用机制，对于同一个数字，python并不会开辟一块新的内存空间，而是维护同一块内存地址，只是将该数字对应的内存地址的引用赋值给变量a1和a2。所以根据输出结果，a1和a2其实对应的是同一块内存地址，只是两个不同的引用罢了。同样的，对于a2 = a1，其实效果等同于“a1 = 123123; a2 = 123123”，它也就是将a1指向123123的引用赋值给a2。字符串跟数字的原理雷同，如果把123123改成“abcabc”也是一样的。

结论：对于通过用 = 号赋值，数字和字符串和元祖在内存当中用的都是同一块地址。

浅拷贝

同样的栗子：

import copy  # 使用浅拷贝需要导入copy模块

n1 = 123123
n3 = copy.copy(n1)  # 使用copy模块里的copy()函数就是浅拷贝了
print(n1,n3)
print(id(n1))
print(id(n3))

输出结果：
123123 123123
2735567515344
2735567515344

　　通过使用copy模块里的copy()函数来进行浅拷贝，把a1拷贝一份赋值给a3，查看输出结果发现，a1和a3的内存地址还是一样。

结论：对于浅拷贝，数字和字符串和元祖在内存当中用的也是同一块地址。

深拷贝

再来一个栗子：

import copy

n1 = 123123
n4 = copy.deepcopy(n1)  # 深拷贝是用copy模块里的deepcopy()函数
print(n1,n4)
print(id(n1))
print(id(n4))

输出结果：
123123 123123
2545114525392
2545114525392

　　这个。。。还用说嘛，直接看结论>>>

结论：综上所述，对于数字和字符串和元祖的赋值、浅拷贝、深拷贝在内存当中用的都是同一块地址。

原理图：

字典、列表等可变数据类型

赋值

再举个栗子

n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 678]}
n2 = n1  # 赋值
print(n1,n2)
print(id(n1))
print(id(n2))
n1['k1'] = 'c'
n1['k3'][0] = 'd'
print(n1,n2)
print(id(n1))
print(id(n2))

输出结果：

{'k1': 'wu', 'k2': 123, 'k3': ['alex', 678]} {'k1': 'wu', 'k2': 123, 'k3': ['alex', 678]}
1867471875528
1867471875528
{'k1': 'c', 'k2': 123, 'k3': ['d', 678]} {'k1': 'c', 'k2': 123, 'k3': ['d', 678]}
1867471875528
1867471875528

 　　我们的栗子当中用了一个字典n1，字典里面嵌套了一个列表，当我们把n1赋值给n2时，内存地址并没有发生变化，因为其实它也是只是把n1的引用拿过来赋值给n2而已（我们用了一个字典来举例，其他类型也是一样的）。正因为如此，当我们修改字典里面的数据时，n1和n2都会发生改变。

　　结论：对于赋值，字典、列表等其他类型用的内存地址不会变化。

浅拷贝

栗子走起

import copy

n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 678]}
n3 = copy.copy(n1)  # 浅拷贝
print(n1,n3)
print("第一层字典的内存地址：")
print(id(n1))
print(id(n3))
print("第二层嵌套的列表的内存地址：")
print(id(n1["k3"]))
print(id(n3["k3"]))
n1['k1'] = 'tom'
n1['k3'][0] = 'jack'
print('***************')
print(n1,n3)


输出结果：
{'k1': 'wu', 'k2': 123, 'k3': ['alex', 678]} {'k1': 'wu', 'k2': 123, 'k3': ['alex', 678]}
第一层字典的内存地址：
1506727325128
1506727325200
第二层嵌套的列表的内存地址：
1506758960840
1506758960840
***************
{'k1': 'tom', 'k2': 123, 'k3': ['jack', 678]} {'k1': 'wu', 'k2': 123, 'k3': ['jack', 678]}

　　通过以上结果可以看出，进行浅拷贝时，我们的字典第一层n1和n3指向的内存地址已经改变了，但是对于第二层里的列表并没有拷贝，它的内存地址还是一样的。原理如下图：　　

 　　结论：所以对于浅拷贝，字典、列表等类型，它们只拷贝第一层地址。

深拷贝

栗子：

import copy

n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 678]}
n4 = copy.deepcopy(n1)  # 深拷贝
print("第一层字典的内存地址：")
print(id(n1))
print(id(n4))
print("第二层嵌套的列表的内存地址：")
print(id(n1["k3"]))
print(id(n4["k3"]))
n1['k1'] = 'tom'
n1['k3'][0] = 'jack'
print(n1,n4)

输出结果：
{'k1': 'wu', 'k2': 123, 'k3': ['alex', 678]} {'k1': 'wu', 'k2': 123, 'k3': ['alex', 678]}
第一层字典的内存地址：
1853270748616
1853271588800
第二层嵌套的列表的内存地址：
1853273351880
1853273350600
***************
{'k1': 'tom', 'k2': 123, 'k3': ['jack', 678]} {'k1': 'wu', 'k2': 123, 'k3': ['alex', 678]}

　　通过以上结果发现，进行深拷贝时，字典里面的第一层和里面嵌套的地址都已经变了。对于深拷贝，它会拷贝多层，将第二层的列表也拷贝一份，如果还有第三层嵌套，那么第三层的也会拷贝，但是对于里面的最小元素，比如数字和字符串，这里就是“wu”，123，“alex”，678之类的，按照python的机制，它们会共同指向同一个位置，它的内存地址是不会变的。原理如下图：

 结论：对于深拷贝，字典、列表等类型，它里面嵌套多少层，就会拷贝多少层出来，但是最底层的数字和字符串地址不变，是一样的。

内容总结

以上是互联网集市为您收集整理的Python中的赋值与深浅拷贝全部内容，希望文章能够帮你解决Python中的赋值与深浅拷贝所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端