python3-赋值与深浅拷贝（转载速查）

叁歲伎倆 2022-01-06 21:23 89阅读 0赞

原链接：https://www.cnblogs.com/liushiyi/p/8195666.html

一、Python的变量及其存储

在高级语言中，变量是对内存及其地址的抽象。对于python而言，python的一切变量都是对象，变量的存储，采用了引用语义的方式，存储的只是一个变量的值所在的内存地址，而不是这个变量的本身。

引用语义：在python中，变量保存的是对象(值)的引用，我们称为引用语义。采用这种语义，变量所需的存储空间大小一致，因为变量只是保存了一个引用。也被称为对象语义和指针语义。

值语义：把变量的值直接保存在变量的存储区里，这种方式称为值语义。采用这种存储方式，每一个变量在内存中所占的空间就要根据变量实际的大小而定，无法固定下来。

![1027975-20180104162759581-860901860.png][]

二、各基本上数据结构的地址存储及改变情况

在python中的数据类型包括:bool、int、long、float、str、set、list、tuple、dict等等。这些数据类型可以分为简单数据类型和复杂数据类型。

简单数据类型和复杂数据类型的划分依据：如果一个数据类型，可以将其它的数据类型作为自己的元素，则可以认为这是一种数据结构。数据结构的分类有很多种，在Python中常用的只有集合、序列和映射三种结构。对应python中的set、list(tuple、str)、dict。常用的数据类型有int、long、float、bool、str等类型。

![1027975-20180104164740534-1568040394.png][]

由于python中的变量都是采用的引用语义，数据结构可以包含基础数据类型，导致了在python中的数据存储方式存在下图所示的这种情况，每个变量中都存储了这个变量的地址，而不是值本身；对于复杂的数据结构来说。里面的存储也只是每个元素的地址而已。

![1027975-20180104165042049-2011922283.png][]

1. 数据类型重新初始化对python语义引用的影响

变量的每一次初始化，都开辟了一个新的空间，将新内容的地址赋值给变量。

>>> test = 'hello world' >>> id(test) 4363600816 >>> test = 'a new string' >>> id(test) 4363600880

2. 数据结构内部元素变化对python语义的影响

对于复杂的数据类型来说，改变其内部的值对于变量的影响：

![复制代码][copycode.gif]

>>> lst1 = [1,2,3,4,5]
    >>> id(lst1) 4363600328 >>> lst1.append('new item') >>> id(lst1) 4363600328 >>> lst1[0] = 'test item' >>> id(lst1) 4363600328 >>> lst1 = [1,2,3,4] >>> id(lst1) 4363600264

![复制代码][copycode.gif]

当对列表中的元素进行一些增删改操作的时候，是不会影响到lst列表本身对于整个列表地址的，只会改变其内部元素的地址引用。可是当我们对于一个列表重新初始化(赋值)的时候，就给lst1这个变量重新赋予了一个地址，覆盖了原本列表的地址，这个时候，lst1列表的内存id就发生了改变。

三、变量的赋值

1. 简单数据类型的赋值

![复制代码][copycode.gif]

>>> str1 = 'hello world' >>> str2 = str1 >>> id(str1) 4363601072 >>> id(str2) 4363601072 >>> str1 = 'nihao' >>> id(str1) 4363608112 >>> id(str2) 4363601072

![复制代码][copycode.gif]

![1027975-20180104184454331-102187297.png][]

看内存的变化，起始的赋值操作让str1和str2都存储了‘hello world’所在的地址，重新对str1初始化，是str1中存储的地址发生了改变，重新指向了新建的值，此时str2变量存储的内存地址并未改变，所以不受影响。

2. 复杂数据结构中赋值

![复制代码][copycode.gif]

>>> lst1 = [1,2,3,4]
    >>> lst2 = lst1 >>> id(lst1) 4363600328 >>> id(lst2) 4363600328 >>> lst1[0] = 'test' >>> lst1 ['test', 2, 3, 4] >>> lst2 ['test', 2, 3, 4]

![复制代码][copycode.gif]

上述代码增加修改操作，但是并没有对lst2做出改变，结果lst1和lst2都发生了变化。

四、拷贝简述

上述内容讲述了变量赋值的过程。对于复杂的数据结构来说，赋值就等于完全共享了资源，一个值的改变会完全被另一个值共享。

然而有时候，我们偏偏需要将一份数据的原始内容保留一份，再去处理数据，这个时候使用赋值就不够明智了。python为这种需求提供了copy模块。提供了两种主要的copy方法，一种是普通的copy，另一种是deepcopy。我们称前者为浅拷贝，后者为深拷贝。

五、浅拷贝

浅拷贝:不管多么复杂的数据结构、浅拷贝都只会copy一层。

![复制代码][copycode.gif]

import copy lst = ['str1', 'str2', 'str3', 'str4', 'str5'] sourceLst = ['str1', 'str2', 'str3', 'str4', 'str5', lst] copyLst = copy.copy(sourceLst) print('1.->sourceLst:', sourceLst) print('1.->copyLst:', copyLst) sourceLst.append('sourcestr') copyLst.append('copystr') print('2.->sourceLst:', sourceLst) print('2.->copyLst:', copyLst) sourceLst[0] = 'changestr' print('3.->sourceLst:', sourceLst) print('3.->copyLst:', copyLst) lst.append('testAppend') print('4.->sourceLst:', sourceLst) print('4.->copyLst:', copyLst)

![复制代码][copycode.gif]

上述代码执行会是下述结果：

![复制代码][copycode.gif]

1.->sourceLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5']] 1.->copyLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5']] 2.->sourceLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'sourcestr'] 2.->copyLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'copystr'] 3.->sourceLst: ['changestr', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'sourcestr'] 3.->copyLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'copystr'] 4.->sourceLst: ['changestr', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5', 'testAppend'], 'sourcestr'] 4.->copyLst: ['str1', 'str2', 'str3

转载于:https://www.cnblogs.com/IMWU/p/10890697.html

[1027975-20180104162759581-860901860.png]: /images/20211227/65506598ec264511bb5d2fc6b985a752.png
[1027975-20180104164740534-1568040394.png]: /images/20211227/9ea854f83d804f269bfec5f1241ea3ba.png
[1027975-20180104165042049-2011922283.png]: /images/20211227/a2bf39c15a9340508bc1fead181d7507.png
[copycode.gif]: /images/20211227/919e55be0cb449ec91d042c7a7a37958.png
[1027975-20180104184454331-102187297.png]: /images/20211227/b44c80e355424cf28d920767e77339a1.png