Python的对象传递与Copy函数使用详解

时间：2020-12-27 python教程查看: 972

1、对象引用的传值或者传引用

Python中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，然后把它赋值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。这种方式相当于值传递和引用传递的一种综合。如果函数收到的是一个可变对象（比如字典或者列表）的引用，就能修改对象的原始值--相当于通过“引用传递”来赋值。如果函数收到的是一个不可变变量（比如数字、字符串或者元祖）的引用，就不能直接修改原始对象--相当于通过“值传递”来赋值。

先看一个数字传递的例子：

>>> def test(a):
...     print id(a)
...     a = a + 1
...     print id(a)
...     return a
...
>>> b =19
>>> id(b)
38896272
>>> c = test(b)
38896272
38896260
>>> id(b)
38896272
>>> b
19

id函数可以获得对象的内存地址.

很明显从上面例子可以看出，将b变量作为参数传递给了test函数，传递了b的一个引用，把b的地址传递过去了，所以在函数内获取的变量a的地址跟变量b的地址是一样的，但是在函数内，对a进行赋值运算，a的值从19变成了20，实际上19和20所占的内存空间都还是存在的，赋值运算后，a指向20所在的内存。而b仍然指向19所在的内存，所以后面打印b，其值还是19.

另外，关于整数变量的id，所有在[-5,256]范围内的整数，python是提前分配好空间放在数组里初始化好的，所以两个变量如果是相同的小整数，对象都是最开始初始化的那一个，所以两个变量的id是一样的。

所有在[-5,256]范围外的整数的话，每次都会新建一个的，所以id会改变

>>> a = 256
>>> id(a)
43340980
>>> b = 256
>>> id(b)
43340980   # a和b的id相同
>>> a = 257
>>> id(a)
44621040
>>> b = 257
>>> id(b)
44620908   # a和b的id不同
>>> a = -5
>>> id(a)
43338160
>>> b = -5
>>> id(b)
43338160
>>> a = -6
>>> id(a)
44621184
>>> b = -6
>>> id(b)
44621112

再看一个列表传递的例子：

>>> def test(a):
...   print id(a)
...   a[0] = 100
...   print id(a)
...   return a
...
>>> b = [7,8,9,10]
>>> id(b)
46408088
>>> c = test(b)
46408088
46408088
>>> id(b)
46408088
>>> b
[100, 8, 9, 10]

从上面例子可以看出，将b变量作为参数传递给了test函数，传递了b的一个引用，把b的地址传递过去了，所以在函数内获取的变量a的地址跟变量b的地址是一样的，但是在函数内，对a进行赋值运算，a[0]的值从7变成了100，但是a的id并没有发生变化，还是和变量b的地址是一样的，所以后面打印b，b[0]的值也从7变成了100.

2、关于可变变量和不可变变量：

这里的可变不可变，是指内存中的那块内容（value）是否可以被改变

不可变变量：

number: int, float, str, 元组。--指它的部分（比如element,attribute不能改变）不能改变；并不是整体不可变。另外，Python所有变量皆对象。int也是一个对象。

>>> a = 10000
>>> id(a)
46573412
>>> a = 10000000
>>> id(a)
46573460   #数字变量重新赋值后，id发生了变化
>>> s = 'abc'
>>> s[1] = d   #字符串变量中的某一个元素不能进行改变
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment
>>> id(s)
39103328
>>> s = 'ttt'
>>> id(s)    #字符串变量进行重新赋值后，id发生了变化
46425368

从上面的例子中可以看出，数字变量、字符变量在重新赋值后，id都会发生变化，这是因为不可变变量的赋值是通过在内存中新申请一块区域，把新的值存储到该区域，然后改变不可变变量的引用，指向新的内存区域，从而改变了不可变变量的值。

可变变量

class, class instance;列表，dict,

例1.可变变量中元素的赋值

>>> list = [1,2,3]
>>> id(list)
45486568
>>> for i in list:
...   print id(i)
40207208
40207196
40207184
>>> list[0] = 0
>>> id(list)
45486568   # 变量的id并没有发生改变
>>> for i in list:
...   print id(i)
40207220    # 该元素的id发生了改变
40207196
40207184
例2.可变变量的赋值
>>> list = [1,2,3]
>>> id(list)
43783392
>>> list =[2,3,5] 
>>> id(list)  # 该变量的id发生了改变
44454296

从上面的例子可以看出，列表中的元素重新赋值，整个列表的id不会发生改变，但是该元素的id会发生该生。因为列表中存储的其实是对各个元素的引用，所以对该元素赋值的结果就是元素的引用发生了改变。

总之，无论是可变变量还是不可变变量，只要对整个变量进行赋值，Python都在内存中新申请一块区域，把新的值存储到该区域，然后改变不可变变量的引用，指向新的内存区域；如果可变变量中的元素进行赋值，支队导致该元素的变化，不会导致父对象的变化。

3、深拷贝 Vs 浅拷贝

copy.copy() 浅拷贝

copy.deepcopy() 深拷贝

浅拷贝是新创建了一个跟原对象一样的类型，但是其内容是对原对象元素的引用。这个拷贝的对象本身是新的，但内容不是。如果原对象的元素包含不是基本数据结构，而是list、dict或者对象的话，那么原对象或者拷贝对象改变list、dict或者对象里面的内容的话，会导致二者同时发生改变。

深拷贝则是对原对象的完全拷贝，包含对象里面的子对象的拷贝，因此拷贝对象和原对象二者是完全独立，任何一方的改变对另外一方都不会产生任何的影响。

>>> import copy
>>> list = [1, 2, [3, 4]]
>>> copy_list = copy.copy(list)
>>> deepcopy_list = copy.deepcopy(list)
>>>
>>> id(list)
44454296
>>> id(copy_list)
44515736
>>> id(deepcopy_list)
44455736
>>>
>>> for k in list:
...   print id(k)
43338088 43338076 44430120
>>> for k in copy_list:
...   print id(k)
43338088 43338076 44430120  # copy对象的内容和原对象完全一样
>>> for k in deepcopy_list:
...   print id(k)
43338088 43338076 44457456  # deepcopy对象的内容和原对象有区别:列表元素的id不一样；数字元素id一样,原因是所有相同数字的变量的引用都是一样的。
>>> 
>>> list[2][0] = 30
>>> list
[1, 2, [30, 4]]
>>> copy_list
[1, 2, [30, 4]]   # 原对象的子对象中的元素发生改变后，会导致copy对象发生同样的改变  
>>> deepcopy_list
[1, 2, [3, 4]]    #原对象的子对象中的元素发生改变后，不会导致deepcopy对象发生同样的改变

以上这篇Python的对象传递与Copy函数使用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。

展开全文