在Python编程中,我们经常会遇到数据复制的问题。有时候,我们只是需要复制一份数据的引用,有时候,我们则需要复制数据本身。这就涉及到了Python中的深浅拷贝问题。深浅拷贝是Python中的一个重要概念,理解它对于编写高效的Python代码至关重要。本文将深入探讨Python的深浅拷贝,帮助你更好地理解和使用这一重要概念。
一、理解深浅拷贝
再了解深浅拷贝之前,我们手续爱你需要了解一下什么是赋值?
1. 赋值
所谓赋值,就是将对象与变量名字进行绑定,称为名字绑定; 在 Python 中,变量只是一个与实际对象绑定起来的名字,变量定义本质上就是建立名字与对象的约束关系。因此,赋值语句本质上就是建立这样的约束关系,将右边的对象与左边的名字绑定在一起:
a = 1
除了赋值语句,还有哪些语句可以完成名字绑定?
(1) 模块导入
我们导入模块时,也会在当前上下文创建一个名字,并与被导入对象绑定:
import xxx from xxx import yyy
(2) 函数类定义
我们定义函数/类时,本质上是创建了一个函数/类对象,然后将其与函数/类名绑定:
def circle_area(r): return PI * r ** 2 class Dog(object): pass
(3) as 关键字
除此此外, as 关键字也可以在当前上下文建立名字约束关系:
import xxx as yyy from xxx import yyy as zzz with open('/some/file') as f: pass try: # do something except SomeError as e: # handle error
2. 深浅拷贝
首先我们要知道什么是深拷贝?什么是浅拷贝?
- 深拷贝:创建一个新的对象,并将原对象的数据复制到新对象中。这意味着对新对象的修改不会影响原对象。
- 浅拷贝:创建一个新的对象,但只复制原对象的数据引用,而不是数据本身。这意味着对新对象的修改可能会影响原对象。
了解完基本概念之后,那么问题来了,如何判断一个对象是深拷贝还是浅拷贝?
可以使用is运算符来判断两个对象是否相同。如果两个对象是相同的,那么它们可能是浅拷贝;如果不同,那么它们可能是深拷贝。
浅拷贝就是拷贝对象的 引用指针,二者元素是相同的对象。如列表l1, 当创建列表l2时,浅拷贝自l1,那么知识拷贝了其中元素的引用。 修改可变类型时,指针指向同一对象,都会发生改变。
二、Python中的copy模块
1. copy模块的作用和使用
- copy模块提供了一些用于创建浅拷贝和深拷贝的函数。
- copy.copy():创建一个新的对象,并将原对象的数据复制到新对象中。这是浅拷贝。
- copy.deepcopy():创建一个新的对象,并将原对象的数据以及其包含的所有子对象的数据都复制到新对象中。这是深拷贝。
浅拷贝的简单示例一:
l1 = [1,[2],'tree'] print(l1) l2 = l1.copy() print(l2) print(id(l1),id(l2)) # [1, [2], 'tree'] # [1, [2], 'tree'] # 1248669925248 1248669924928
示例二:
l1 = [1,[2],'tree'] l2 = l1.copy() l2[0] = 'one' print(l2) print(l1) # ['one', [2], 'tree'] # [1, [2], 'tree'] l2[1][0] = 'two' print(l2) print(l1) # ['one', ['two'], 'tree'] # [1, ['two'], 'tree']
深拷贝的示例:
# 就是不止拷贝指针,连对象也会拷贝,创建出来一份新的,完全独立 l = [1, [2], 'three'] print(l) from copy import deepcopy l2 = deepcopy(l) print(l2) # 修改新列表不会影响旧列表 l2[1][0] = 'two' print(l2) print(l) # [1, [2], 'three'] # [1, [2], 'three'] # [1, ['two'], 'three'] # [1, [2], 'three']
2. 深浅拷贝的区别和使用
- copy.copy()只复制原对象的数据引用,而copy.deepcopy()则复制数据本身。
- copy.copy()适用于只需要复制数据引用的情况,而copy.deepcopy()适用于需要复制数据本身的情况。
如下所示:
import copy a = [1, 2, 3, [4, 5], 6] b = a c = copy.copy(a) d = copy.deepcopy(a) b.append(10) c[3].append(11) d[3].append(12) print(a) print(b) print(c) print(d) # [1, 2, 3, [4, 5,11], 6,10] # [1, 2, 3, [4, 5,11], 6,10] # [1, 2, 3, [4, 5,11], 6] # [1, 2, 3, [4, 5,12], 6]
注意:对于非容器类型,如数字、字符,以及其他的“原子”类型,没有拷贝一说,产生的都是原对象的引用
三、深浅拷贝拓展
1. 深浅拷贝的应用
何时应该使用浅拷贝?何时应该使用深拷贝?
- 当只需要复制数据引用时,使用浅拷贝可以节省内存和计算资源。
- 当需要确保对新对象的修改不会影响原对象时,使用深拷贝。
深浅拷贝在实际编程中的应用案例::
- 浅拷贝:对嵌套列表进行修改时,原始嵌套列表也会被修改。
- 深拷贝:对嵌套列表进行修改时,原始嵌套列表不会被修改。
- 浅拷贝:对列表进行切片操作时,原始列表也会被修改。
- 深拷贝:对列表进行切片操作时,原始列表不会被修改。
- 示例1:列表的浅拷贝和深拷贝
- 示例2:嵌套列表的深浅拷贝
2. 避免深浅拷贝带来的问题
深浅拷贝可能带来的问题:
- 浅拷贝可能导致意外地修改原始对象。
- 深拷贝可能导致不必要的内存消耗和计算资源浪费。
如何避免这些问题:
- 根据实际需求选择合适的拷贝方式。
- 如果不确定是否需要深拷贝,可以先使用浅拷贝,并在必要时进行验证。
总结
通过对Python深浅拷贝的深入学习和实践,我们可以更好地理解Python的数据复制机制,提高我们的编程效率和代码质量。希望本文能帮助你掌握深浅拷贝的概念和应用,使你在Python编程的道路上更进一步。
原文地址:https://mp.weixin.qq.com/s?__biz=Mzg4NzY0MDEyNg==&mid=2247484959&idx=1&sn=d03f68acc587dbb1d1e1d22cfd470db3