首页 > 代码库 > Python中的浅拷贝与深拷贝

Python中的浅拷贝与深拷贝

2024-09-08 23:09:43   215人阅读

　　以下都是参考资料后，我自己的理解，如有错误希望大家不吝赐教。

　　大家有没有遇到这样一种情况，对象赋值后，对其中一个变量进行修改，另外一个变量的值也改变了。比如：

person = [‘name‘, [‘saving‘, 100]]
hubby = person
wifey = person
hubby[0] = ‘joe‘
wifey[0] = ‘jane‘
print hubby, wifey
hubby[1][1] = 50
print hubby, wifey
>>>[‘jane‘, [‘saving‘, 100]] [‘jane‘, [‘saving‘, 100]]
[‘jane‘, [‘saving‘, 50]] [‘jane‘, [‘saving‘, 50]]

以上的对象赋值实际上是简单的对象引用。也就是说当你创建一个对象，然后把他赋给另一个变量的时候，python并没有拷贝这个对象，而是拷贝了这个对象的引用。可以看出，hubby,wifey只是拷贝了person的引用，且是对person变量名，即列表整体的引用。

person = [‘name‘, [‘saving‘, 100]]
hubby = person
wifey = person
print [id(x) for x in person,hubby,wifey]
print [id(x) for x in person]
print [id(x) for x in hubby]
print [id(x) for x in wifey]
>>>[58507784L, 46008008L, 46008968L]
[37770104L, 58507336L]
[37770104L, 58507336L]
[37770104L, 58507336L]

可以看出，三个变量地址不一样，但三个变量的内容的地址一样，所以赋值后显示的结果一样。

常使用的浅拷贝类型有：
(1)完全切片操作[:]
(2)利用工厂函数list(),dict()等
(3)使用copy模块的copy函数

person = [‘name‘, [‘saving‘, 100]]
hubby = list(person)
wifey = person[:]
print [id(x) for x in person,hubby,wifey]
print [id(x) for x in person]
print [id(x) for x in hubby]
print [id(x) for x in wifey]
hubby[0] = ‘joe‘
wifey[0] = ‘jane‘
print hubby, wifey
hubby[1][1] = 50
print hubby, wifey
>>>[56541704L, 45680328L, 56541640L]
[37573496L, 56541256L]
[37573496L, 56541256L]
[37573496L, 56541256L]
[‘joe‘, [‘saving‘, 100]] [‘jane‘, [‘saving‘, 100]]
[‘joe‘, [‘saving‘, 50]] [‘jane‘, [‘saving‘, 50]]

　  为什么这种浅拷贝hubby,wifey的名字不一样呢？第二个列表中值一样呢？因为list()和完全切边操作[:]是将person里的每个内容赋值，是对序列的引用。且这两个列表中第一个对象（字符串类型）是不可变的，第二个对象（一个列表）是可变的。正因如此，当进行浅拷贝时，字符串被显示的拷贝，并创建了一个字符串对象。而列表元素只是把它的引用复制了一下，并不是它的成员。

注意：
第一，非容器类型（比如数字，字符串，和其他‘原子’类型的对象，像xrange等）没有拷贝一说，浅拷贝是用完全切片操作完成的。第二，如果元组变量只包含原子类型对象，它的深拷贝将不会进行,只能得到一个浅拷贝。

import copy
person = [‘name‘, (‘saving‘, 100)]
hubby = person
wifey = copy.deepcopy(person)
print [id(x) for x in person,hubby,wifey]
print [id(x) for x in person]
print [id(x) for x in hubby]
print [id(x) for x in wifey]
>>>[56902216L, 56902216L, 56902152L]
[42095480L, 44124104L]
[42095480L, 44124104L]
[42095480L, 44124104L]

　　

Python中的浅拷贝与深拷贝


联系
我们