@
首先，需要指出的是，Python的变量采用的是对象绑定的方式，在程序运行过程中，要时刻注意，对象的变化和共享。
=
第一种情况 = 右边是值 这种情况并不会产生歧义
a = 1
a = '1'
a = [1]
a = {1:'1'}
第二种情况 = 右边是对象引用（变量——个人的说法）
b = 1
a = b
当变量（b)为固定类型——float, int, str, frozenset, tuple等等都是没关系的。
当变量为可变的数据类型——dict, list, set, 就存在风险。
b = [1, 2, 3]
a = b
a[0] = 4
a, b # ([4, 2, 3], [4, 2, 3])
浅拷贝
b = a[ : ] #a 为列表 这种情况是浅拷贝 比=略强
a = [1, ['2', 5], 3]
b = a[:]
a[0] = 2
b[1][0] = 'two'
a, b #([2, ['two', 5], 3], [1, ['two', 5], 3])
以下复制的方式都是浅拷贝：
.copy()
dict()
list()
set()
a[:]
深拷贝`
a = [1, ['2', 5], 3]
b = copy.deepcopy(a)
a[0] = 2
b[1][0] = 'two'
a, b #([2, ['2', 5], 3], [1, ['two', 5], 3])
函数的默认参数为可变类型时 危险
def append_if_even(x, lst=[]): #从对象绑定的角度考虑，合情合理
if x % 2 == 0:
lst.append(x)
print(lst)
append_if_even(2) #[2]
append_if_even(2) #[2, 2]
append_if_even(2) #[2, 2, 2]
append_if_even(2) #[2, 2, 2, 2]
全局变量与临时变量
函数里面创建的变量属于临时变量，在这上面摔的跤太多了。
global
def remain():
global REMAIN
REMAIN = 3
def sum_and_add(a, b):
remain() #得执行一次
return a + b + REMAIN
sum_and_add(1, 2) # 6
在函数里面进行复制
就像在上面讲的，=只是赋值，在函数里面玩这种很容易就凉凉。
def test(a):
b = a # a 属于 list 如果你不希望改变a的值可以采用 b= a[:] 如果是多重的可以考虑深拷贝
b.append(1)
a = [1]
test(a)
a #[1, 1]
再看一个例子
def main():
a = [1]
print(id(a))
ccc(a)
print(id(a))
print(a)
def ccc(a):
a= sorted(a) #这一步令a指向了新的内存地址，所以下面对a操作都不会影响最初的a
print(id(a))
a.append(1)
print(id(a))
ccd(a)
def ccd(a):
a.append(1)
print(id(a))
main()
"""
2431712245320
2431712245512
2431712245512
2431712245512
2431712245320
[1]
"""
def main():
a = [1]
print(id(a))
ccc(a)
print(id(a))
print(a)
def ccc(a):
a.sort() #并没有改变a的指向，不过需要注意的是 [].sort() is None
print(id(a))
a.append(1)
print(id(a))
ccd(a)
def ccd(a):
a.append(1)
print(id(a))
main()
"""
2431712245384
2431712245384
2431712245384
2431712245384
2431712245384
[1, 1, 1]
"""
numpy里的bug?
ndarray里面用id蛮奇怪的，list是都不一样的，同学说可能是沿袭了C。
A = np.array([[1, 2], [3, 4]])
print(id(A))
for i in range(2):
for j in range(2):
print(id(A[i, j]))
#2392090756480
#2392073432760
#2392073432760
#2392073432760
#2392073432760
下面这个例子，符合我们的预期
A = np.arange(4).reshape(2, 2)
a = A[0,...]
print(id(a[0]), id(A[0, 0]), id(A[1, 1]))
a[0] = 999
print(id(a[0]), id(a[1]), id(A[0, 0]), id(A[1, 1]))
a, A
#2392073432160 2392073432160 2392073432160
#2392073432160 2392073432160 2392073432160 2392073432160
#[121]:
#(array([999, 1]), array([[999, 1],
# [ 2, 3]]))
下面的例子就不是了，为什么不改呢？
A = np.arange(4).reshape(2, 2)
a = A[np.array([[True, False], [False, True]])]
#a = A[[0, 1], [0, 1] 同样不行
print(id(a[0]), id(A[0, 0]), id(A[1, 1]))
a[0] = 999
print(id(a[0]), id(a[1]), id(A[0, 0]), id(A[1, 1]))
a, A
#2392073432064 2392073432064 2392073432064
#2392073432064 2392073432064 2392073432064 2392073432064
#(array([999, 3]), array([[0, 1],
# [2, 3]]))