标签:python浅拷贝 lis 最大的 深浅拷贝 颜色 类型 deepcopy 不可 import
int, float,str, tuple都是不可变对象,
dic,set,list属于可变对象。可变,是指内存中的值,不是指地址。
拷贝规则:
import copy a = 4343.23 b = copy.copy(a) print(id(a)) print(id(b))
上面的代码对一个float类型的数据进行了浅拷贝,根据规则,不会生成新的对象,因此a,b两个变量的内存地址是相同的。
下面是一个可变对象的拷贝示例
import copy a = [1, [1]] b = copy.copy(a) print(id(a), id(b)) print(id(a[1]), id(b[1]))
程序输出结果是
4739120648 4387519880 4739160904 4739160904
a和b的内存地址是不相同的,说明生成了一个新的数据,但由于是浅拷贝,因此列表里的元素并不进行拷贝,只对最外层进行了拷贝。
通过对内存的观察,我们可以更清楚了解浅拷贝的过程,下图是浅拷贝之前的内存示意图
浅拷贝发生之后,内存变成如下图所示
为了便于识别,我特地将代表引用的线条加粗并加上颜色来区分,通过对比浅拷贝前后的示意图,你可以看到,仅仅生成了一个新的对象,地址是4350709128。
a[1], b[1] 的数据类型是列表,是可变对象,他们的内存地址相同,因此,对b[1]的操作,将会影响到a[1]
import copy a = [1, [1]] b = copy.copy(a) b[1].append(2) print(a)
程序输出结果
[1, [1, 2]]
明明只是对变量b进行了操作,却影响到了a,这绝对是个安全隐患,因此进行浅拷贝时要非常小心,除非你清楚的知道自己在做什么,可能带来哪些影响,否则就不要进行浅拷贝,现在不缺内存,别玩火。
拷贝规则:
import copy a = [1, [1]] b = copy.deepcopy(a) print(id(a), id(b)) print(id(a[1]), id(b[1]))
程序输出结果
4739124744 4350819720 4739165000 4739236104
为了清晰的理解深拷贝的作用,还是放上拷贝前后的内存对比图
深拷贝前
深拷贝之后
和浅拷贝相比,最大的不同在于,新生成了一个列表[1],内存地址和a[1]不一样,深拷贝之后,对b的任何操作,都不会影响到a,虽然多耗费了一些内存,但是更加安全。
标签:python浅拷贝 lis 最大的 深浅拷贝 颜色 类型 deepcopy 不可 import
原文地址:https://www.cnblogs.com/where1-1/p/12657715.html