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]