python深浅拷贝
python深浅拷贝
对象的内存使用方式
python一切皆为对象,python中的变量就相当于一个引用,指向一个对象。
a = 1
整数1为一个对象。而a是一个引用,利用赋值语句,引用a指向对象1
id函数返回对象的内存地址
a = 1
b = 1
print(id(a))
print(id(b))
上面程序返回
1520528400
1520528400
可见a和b实际上是指向同一个对象的两个引用。
a = 1
b = a
在python中,对象赋值实际上是对象的引用。当创建一个对象,然后把它赋给另一个变量的时候,python并没有拷贝这个对象,而只是拷贝了这个对象的引用
对象的引用计数
在Python中,每个对象都有存有指向该对象的引用总数,即引用计数(reference count)。
我们可以使用sys包中的getrefcount(),来查看某个对象的引用计数。需要注意的是,当使用某个引用作为参数,传递给getrefcount()时,参数实际上创建了一个临时的引用。因此,getrefcount()所得到的结果,会比期望的多1。
from sys import getrefcount
a = [1, 2, 3]
print(getrefcount(a))
b = a
print(getrefcount(b))
由于上述原因,两个getrefcount将返回2和3,而不是期望的1和2。
垃圾回收
从基本原理上,当Python的某个对象的引用计数降为0时,说明没有任何引用指向该对象,该对象就成为要被回收的垃圾了。比如某个新建对象,它被分配给某个引用,对象的引用计数变为1。如果引用被删除,对象的引用计数为0,那么该对象就可以被垃圾回收。比如下面的表
a = [1, 2, 3]
del a
del a后,已经没有任何引用指向之前建立的[1, 2, 3]这个表。用户不可能通过任何方式接触或者动用这个对象。这个对象如果继续待在内存里,就成了不健康的脂肪。当垃圾回收启动时,Python扫描到这个引用计数为0的对象,就将它所占据的内存清空。
深浅拷贝理论
复制:只复制被复制变量的值
浅拷贝: 只拷贝对象的直接子对象
深拷贝: 拷贝对象的所有子对象
深浅拷贝案例
a = [[1, 2], 3, 4]
b=a,复制只拷贝a的值,b增删改元素影响a,b[0]增删改元素会影响a[0]
c=a.copy(),c=a[: ],c=copy.copy(a),浅拷贝,c增删改不影响a,c[0]增删改元素影响a[0]
d=copy.deepcopy(a),深拷贝,c增删改元素,c[0]增删改元素,都不影响a
深浅拷贝代码验证
import copy
a = [[1, 2], 3, 4]
b = a
c = a.copy()
d = copy.deepcopy(a)
b.append(5)
b[0].append(6)
print(b) # [[1, 2, 6], 3, 4, 5]
print(a) # [[1, 2, 6], 3, 4, 5]
c.append(7)
c[0].append(8)
print(c) # [[1, 2, 6, 8], 3, 4, 7]
print(a) # [[1, 2, 6, 8], 3, 4, 5]
d.append(9)
d[0].append(10)
print(d) # [[1, 2, 10], 3, 4, 9]
print(a) # [[1, 2, 6, 8], 3, 4, 5]