手机版
你好,游客 登录 注册 搜索
背景:
阅读新闻

Python高级进阶:细说Python浅拷贝和深拷贝

[日期:2016-03-29] 来源:Linux社区  作者:xpleaf [字体: ]

0.说明
        先看看浅拷贝的概念:

浅拷贝:对一个对象进行浅拷贝其实是新创建了一个类型跟原对象一样,其内容还是原来对象元素的引用,换句话说,这个拷贝的对象本身是新的,但是它的内容不是序列类型对象的浅拷贝是默认类型拷贝,有以下几种实现方式:

完全切片操作:下面操作会有利用工厂函数:比如list()、dict()等

使用copy模块的copy()函数
        其实如果是真正理解了Python对象或者说理解了可变对象和不可变对象,再根据上面的理论知识,浅拷贝和深拷贝基本上算是比较好的掌握了。所以这里不按照书上(指的是《Python核心编程》)的思路来进行总结,当然书上的例子作为入门也是非常不错的。下面给出三个例子,如果都可以理解,那么对Python浅拷贝和深拷贝的掌握到这个程度也就可以了。

--------------------------------------------------------------------------------

1.第一个例子:列表中的元素都是原子类型,即不可变对象

>>> person = ['age', 20]
>>> linuxidc = person[:]  #浅拷贝
>>> cl = list(person)      #浅拷贝
>>> [id(x) for x in person, linuxidc, cl]  #虽然是浅拷贝,但是其实也是生成了新的对象
[140205544875144, 140205544893688, 140205544996232]
>>> [id(x) for x in person]
[140205545021232, 32419728]
>>> [id(x) for x in linuxidc]
[140205545021232, 32419728]
>>> [id(x) for x in cl]
[140205545021232, 32419728]
#但是可以看到列表中的元素的还是原来对象元素的引用

上面做了浅拷贝的操作,然后下面修改两个浅拷贝的值:
>>> linuxidc[1] = 22
>>> cl[1] = 21
>>> person, linuxidc, cl
(['age', 20], ['age', 22], ['age', 21])
>>> [id(x) for x in person]
[140205545021232, 32419728]
>>> [id(x) for x in linuxidc]
[140205545021232, 32419680]
>>> [id(x) for x in cl]
[140205545021232, 32419704]

        修改了两个浅拷贝的值,然后发现内容并没有相互影响,而且后来的id值也发生改变了,怎么会这样?不要忘了,列表中的元素都是不可变对象,修改不可变对象的值,其实就相当于是新生成了一个该对象,然后让列表元素重新指向新生成的不可变对象,在这里是数字对象。
        理解这个例子本身并不难,但需要对Python对象和序列类型本身有一定的理解。

--------------------------------------------------------------------------------

2. 第二个例子:列表中包含容器类型变量,即可变对象

>>> person = ['name', ['age', 20]]
>>> linuxidc = person[:]
>>> cl = list(person)
>>> person, linuxidc, cl
(['name', ['age', 20]], ['name', ['age', 20]], ['name', ['age', 20]])
>>> [id(x) for x in person, linuxidc, cl]
[140205544995944, 140205544893688, 140205544875144]
# 查看大列表的元素id值
>>> [id(x) for x in person, linuxidc, cl]
[140205544996160, 140205544875144, 140205544996520]
>>> [id(x) for x in person]
[140205546176112, 140205544995944]
>>> [id(x) for x in linuxidc]
[140205546176112, 140205544995944]
>>> [id(x) for x in cl]
[140205546176112, 140205544995944]
# 查看小列表的元素id值
>>> [id(x) for x in person[1]]
[140205545021232, 32419680]
>>> [id(x) for x in linuxidc[1]]
[140205545021232, 32419680]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419680]

        三个列表的第一个元素的id值都是一样的,这是引用传递,没有什么问题,跟第一个例子类似,因此修改这个值不会有什么问题。但注意看第二个元素,它是一个列表,可以肯定的是,三个列表中的两个元素的id也肯定是相同的,也是引用传递的道理,但现在关键是看第二个元素,也就是这个列表本身,三个大列表(指的是person这个列表)中的这三个小列表的id值都是一样的,于是,浅拷贝对于对象值的影响就会体现出来了,我们尝试去修改其中一个小列表中的值:
>>> linuxidc[1][1] = 22
>>> person, linuxidc, cl
(['name', ['age', 22]], ['name', ['age', 22]], ['name', ['age', 22]])
>>> [id(x) for x in person, linuxidc, cl]
[140205544995944, 140205544893688, 140205544875144]
# 查看大列表的元素id值
>>> [id(x) for x in person]
[140205546176112, 140205544995944]
>>> [id(x) for x in linuxidc]
[140205546176112, 140205544995944]
>>> [id(x) for x in cl]
[140205546176112, 140205544995944]
# 查看小列表的元素id值
>>> [id(x) for x in person[1]]
[140205545021232, 32419680]
>>> [id(x) for x in linuxidc[1]]
[140205545021232, 32419680]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419680]

        可以看到问题就出来了,即对一个小列表进行修改,会影响到其它的小列表。我们先抛开所谓的浅拷贝,去思考这个问题本身:有可能不会影响其它小列表吗?肯定没有可能的,因为三个小列表的id都一样,三个小列表里的元素的id也一样,即其实这三个小列表是完全指向同一个对象的,因此,无论修改哪一个,肯定都会影响其它小列表的。
        这就是所谓浅拷贝出现的问题。

--------------------------------------------------------------------------------

3.第三个例子:使用深拷贝来解决第二个例子出现的问题
       
>>> person = ['name', ['age', 20]]
>>> linuxidc = person[:]
>>> from copy import deepcopy as dcp
>>> cl = dcp(person)
>>> person, linuxidc, cl
(['name', ['age', 20]], ['name', ['age', 20]], ['name', ['age', 20]])
>>> [id(x) for x in person, linuxidc, cl]
[140205544995944, 140205544893688, 140205544875144]
# 查看大列表的元素id值
>>> [id(x) for x in person]
[140205546176112, 140205544996520]
>>> [id(x) for x in linuxidc]
[140205546176112, 140205544996520]
>>> [id(x) for x in cl]
[140205546176112, 140205544571320]
# 查看小列表的元素id值
>>> [id(x) for x in person[1]]
[140205545021232, 32419728]
>>> [id(x) for x in linuxidc[1]]
[140205545021232, 32419728]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419728]

      可以看到虽然是进行了深拷贝,但发现跟前面的其实并没有什么不同,下面我们再来修改其中一个小列表:

>>> linuxidc[1][1] = 22
>>> person, linuxidc, cl
(['name', ['age', 22]], ['name', ['age', 22]], ['name', ['age', 20]])
# 查看大列表的元素id值
>>> [id(x) for x in person]
[140205546176112, 140205544996520]
>>> [id(x) for x in linuxidc]
[140205546176112, 140205544996520]
>>> [id(x) for x in cl]
[140205546176112, 140205544571320]
# 查看小列表的元素id值
>>> [id(x) for x in person[1]]
[140205545021232, 32419680]
>>> [id(x) for x in linuxidc[1]]
[140205545021232, 32419680]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419728]

        此时可以看到,cl的小列表的第二个元素的id跟原来是一样的,但是linuxidc和person的小列表元素的id发生了改变,同时值也是我们修改的那样。那是因为linuxidc是person的浅拷贝,但是cl是person的深拷贝。
        这就是所谓的深拷贝。

--------------------------------------------------------------------------------

4.第四个例子:检验

        其实只要理解了上面三个例子(这意味着对Python对象本身和序列类型本身也有比较深刻的理解),所以的浅拷贝和深拷贝也不是什么问题了。
        至于是否明白,可以参考下面这个例子:

>>> person = ['name', ('hobby', [1, 2])]
>>> linuxidc = person[:]
>>> from copy import deepcopy as dcp
>>> cl = dcp(person)
>>> 
>>> linuxidc[0] = 'xpleaf'
>>> cl[0] = 'cl'
>>> person, linuxidc, cl
(['name', ('hobby', [1, 2])], ['linuxidc', ('hobby', [1, 2])], ['cl', ('hobby', [1, 2])])
>>> 
>>> linuxidc[1][1][0] = 'clyyh'
>>> person, linuxidc, cl
(['name', ('hobby', ['clyyh', 2])], ['linuxidc', ('hobby', ['clyyh', 2])], ['cl', ('hobby', [1, 2])])

        如果对这个例子的输出觉得完全没有问题的,那么也就OK了!

        当然,肯定还有遗漏的地方,还望指出。

下面关于Python的文章您也可能喜欢,不妨看看:

Linux下Python的安装以及注意事项  http://www.linuxidc.com/Linux/2015-11/124861.htm

Ubuntu 14.04 下安装使用Python rq模块  http://www.linuxidc.com/Linux/2015-08/122441.htm

无需操作系统直接运行 Python 代码  http://www.linuxidc.com/Linux/2015-05/117357.htm

CentOS上源码安装Python3.4  http://www.linuxidc.com/Linux/2015-01/111870.htm

《Python核心编程 第二版》.(Wesley J. Chun ).[高清PDF中文版] http://www.linuxidc.com/Linux/2013-06/85425.htm

《Python开发技术详解》.( 周伟,宗杰).[高清PDF扫描版+随书视频+代码] http://www.linuxidc.com/Linux/2013-11/92693.htm

Python脚本获取Linux系统信息 http://www.linuxidc.com/Linux/2013-08/88531.htm

在Ubuntu下用Python搭建桌面算法交易研究环境 http://www.linuxidc.com/Linux/2013-11/92534.htm

Python 语言的发展简史 http://www.linuxidc.com/Linux/2014-09/107206.htm

Python 的详细介绍请点这里
Python 的下载地址请点这里 

本文永久更新链接地址http://www.linuxidc.com/Linux/2016-03/129619.htm

linux
相关资讯       Python浅拷贝  Python深拷贝 
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数

       

评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款