python动态类型的坑_Python学习笔记6——动态类型

柔情只为你懂 2022-10-31 13:55 88阅读 0赞

其实这都是我前两天通过手机看的博客，感觉get到了新知识、新技能，今天早上挖的坑，因为上午有课(电子技术课程设计，嵌入式系统实验室，学习STM32，以后也许会写这些东西)，下午没课了，来填之前和这个早上的坑哈哈，有些强迫症，信奉完美主义，嘿嘿！

动态类型(dynamic typing)是Python另一个重要的核心概念。Python的变量(variable)不需要声明，而在赋值时，变量可以重新赋值为任意值。这些都与动态类型的概念相关。

动态类型

在我们接触的对象中，有一类特殊的对象，是用于存储数据的。常见的该类对象包括各种数字，字符串，表，词典。在C语言中，我们称这样一些数据结构为变量。而在Python中，这些是对象。

对象是储存在内存中的实体。但我们并不能直接接触到该对象。我们在程序中写的对象名，只是指向这一对象的引用(reference)。

引用和对象分离，是动态类型的核心。引用可以随时指向一个新的对象：

a = 3

a = 'at'

第一个语句中，3是储存在内存中的一个整数对象。通过赋值，引用a指向对象3。第二个语句中，内存中建立对象‘at’，是一个字符串(string)。引用a指向了'at'。此时，对象3不再有引用指向它。Python会自动将没有引用指向的对象销毁(destruct)，释放相应内存。(对于小的整数和短字符串，Python会缓存这些对象，而不是频繁的建立和销毁。)

a = 5

b = a

a = a + 2

再看这个例子。通过前两个句子，我们让a,b指向同一个整数对象5(b = a的含义是让引用b指向引用a所指的那一个对象)。但第三个句子实际上对引用a重新赋值，让a指向一个新的对象7。此时a,b分别指向不同的对象。我们看到，即使是多个引用指向同一个对象，如果一个引用值发生变化，那么实际上是让这个引用指向一个新的引用，并不影响其他的引用的指向。从效果上看，就是各个引用各自独立，互不影响。

其它数据对象也是如此：

L1 = \[1, 2, 3\]

L2 = L1

L1 = 1

注意以下情况:

L1 = \[1,2,3\]

L2 = L1

L1\[0\] = 10

print(L2)

在该情况下，我们不再对L1这一引用赋值，而是对L1所指向的表的元素赋值。结果是，L2也同时发生变化。

原因何在呢？因为L1，L2的指向没有发生变化，依然指向那个表。表实际上是包含了多个引用的对象(每个引用是一个元素，比如L1\[0\]，L1\[1\]..., 每个引用指向一个对象，比如1,2,3),。而L1\[0\] = 10这一赋值操作，并不是改变L1的指向，而是对L1\[0\], 也就是表对象的一部份(一个元素)，进行操作，所以所有指向该对象的引用都受到影响。(与之形成对比的是，我们之前的赋值操作都没有对对象自身发生作用，只是改变引用指向。)

列表,可以通过引用其元素，改变对象自身(in-place change)。这种对象类型，称为可变数据对象(mutable object)，词典也是这样的数据类型。

而像之前的数字和字符串，不能改变对象本身，只能改变引用的指向，称为不可变数据对象(immutable object)。

我们之前学的元组(tuple)，尽管可以调用引用元素，但不可以赋值，因此不能改变对象自身，所以也算是immutable object.

从动态类型看函数的参数传递

函数的参数传递，本质上传递的是引用。比如说：

deff(x):

x= 100

print(x)

a= 1f(a)print(a)\#执行结果\#100\#1

参数x是一个新的引用，指向a所指的对象。如果参数是不可变(immutable)的对象，a和x引用之间相互独立。对参数x的操作不会影响引用a。这样的传递类似于C语言中的值传递。

如果传递的是可变(mutable)的对象，那么改变函数参数，有可能改变原对象。所有指向原对象的引用都会受影响，编程的时候要对此问题留心。比如说：

deff(x):

x\[0\]= 100

print(x)

a= \[1,2,3\]

f(a)print(a)\#执行结果\#\[100,2,3\]\#\[100,2,3\]

动态类型是Python的核心机制之一。可以在应用中慢慢熟悉。

总结

引用和对象的分离，对象是内存中储存数据的实体，引用指向对象。

可变对象，不可变对象

函数值传递

开头说的另外一篇博客：

总结：Python作为一种动态类型、面向对象的语言，其对象和引用分离。这与曾经的面向过程语言有很大的区别。为了有效的释放内存，Python内置了垃圾回收的支持。Python采取了一种相对简单的垃圾回收机制，即引用计数，并因此需要解决孤立引用环的问题。Python与其它语言既有共通性，又有特别的地方。对该内存管理机制的理解，是提高Python性能的重要一步。

内容来源于网络如有侵权请私信删除