• Python中的浅拷贝与深拷贝


    在 Python 中,通过一个对象向另外一个对象赋值,实际仅仅是赋值了对象的引用,而非创建一个对象并赋值。那如何真正拷贝对象呢?我们看一下两种不同的拷贝方式。

    先从一个示例看起:

    Anndy = ['Anndy', ['age', 24]]
    Tom = Anndy[:]
    Cindy = list(Anndy)

    >>> id(Anndy)
    >>> id(Tom)
    >>> id(Cindy)

    运行结果如下:

    35574048

    35575408

    8815920

    由此可见,是创建了三个不同的对象。但是事实真的是这样吗?让我们修改一下名字和年龄看看:

    Tom[0] = 'Tom'
    Cindy[0] = 'Cindy'
    print Anndy, Tom, Cindy

    运行结果如下:

    ['Anndy', ['age', 24]] ['Tom', ['age', 24]] ['Cindy', ['age', 24]]

    修改年龄没有任何问题。我们再来修改一下Tom的年龄,修改为12岁:

    Tom[1][1] = 12
    print Anndy, Tom, Cindy

    运行结果如下:

    ['Anndy', ['age', 12]] ['Tom', ['age', 12]] ['Cindy', ['age', 12]]

    哇喔,所有人的年龄都被修改了。这真是恐怖啊,并不是我们想要的结果。为啥会是这样呢?我们可以打印一下列表中各个对象的ID看一下:

    print [id(x) for x in Anndy]
    print [id(x) for x in Tom]
    print [id(x) for x in Cindy]

    运行结果如下:

    [6003744, 35336880]

    [35426032, 35336880]

    [35365376, 35336880]

    由此可见,第二个列表的元素是相同的。这是为什么呢?

    原因就是浅拷贝。

    构造方法或切片 [:] 做的是浅拷贝(即拷贝了最外层容器,副本中的元素是原容器中元素的引用)。如果所有元素都是不可变的(比如名字字符串,修改的时候会重新创建对象,仅仅包括原子对象的元组也属于这种情况),那么这样没有问题,还能节省内存。但是,如果有可变的元素,可能就会导致意想不到的问题,正如刚刚,修改一个人的年龄,所有人的年龄都发生了变化。

    那么现在来看一下深拷贝。深拷贝,顾名思义,深层次的拷贝,不仅仅拷贝最外层容器,还会拷贝容器中的元素。这是利用copy中的deepcopy方法来实现的。

    实现如下:

    import copy

    Anndy = ['Anndy', ['age', 24]]
    Tom = copy.deepcopy(Anndy)
    Cindy = copy.deepcopy(Anndy)


    Tom[0] = 'Tom'
    Cindy[0] = 'Cindy'

    Tom[1][1] = 12
    print Anndy, Tom, Cindy

    print [id(x) for x in Anndy]
    print [id(x) for x in Tom]
    print [id(x) for x in Cindy]

    运行结果如下:

    ['Anndy', ['age', 24]] ['Tom', ['age', 12]] ['Cindy', ['age', 24]]

    [34970656, 35511712]

    [35570608, 35541360]

    [35496448, 35541440]

    OK,仅仅是Tom的年龄被修改了。另外,还是需要注意一下,对于不可变的对象,比如字符串,比如包括原子对象的元组,对其深拷贝不会进行

    浅拷贝与深拷贝的原理你深入理解了吗?

  • 相关阅读:
    左偏树
    output html
    jsp web.xml
    mysql link db
    beamline
    jsp embend java into html / mix scriptlets and HTML
    StringTokenizer
    TreeSet
    centOS 显示中文
    request and response
  • 原文地址:https://www.cnblogs.com/chif/p/9349812.html
Copyright © 2020-2023  润新知