赋值语句 变量的地址相关 : RUNOOB python练习题7

用来练手的python 练习题，原链接 : python练习实例7

练习实例7非常的简单也有意思。题干 : 将一个列表的数据复制到另一个列表中。

完成这个操作的代码非常简单，即使是我这样的初学者应该也是一语道破，赋值语句嘛。但这里我们就列举出几种不同的赋值方法，其背后的逻辑和细节其实是大不相同的。

下面放出源代码,首先当然是使用我们的赋值语句进行数据复制了，这里我使用的是numpy array代替list :

import numpy as np
a = np.array([1,2,3,4,5])
c = a
print(c)
print(a)
print(c is a)
print(id(c))
print(id(a))

输出结果如下 :

我们不难发现，当我们使用赋值语句 “=” 直接对numpy 矩阵进行复制时，实际我们是让c与a指向了同一块内存。a和c不仅数值一致，他们在内存中对应的地址也是一样的。那么我们对a进行一些操作，看看会有什么发生呢:

a -= 1
print(a)
print(c)
print(c is a)
print(id(a))
print(id(c))

这里我们对a进行自增(自增和自减操作一样)，输出结果如下:

我们发现，当对变量进行自增或自减操作时，变量的地址并没有改变，相应的，两个指向同一内存块的变量a和c的值当然同时改变了。

那么如果我们对a进行减法运算会发生什么呢,代码如下:

a = a - 1
print(a)
print(c)
print(c is a)
print(id(a))
print(id(c))

这次我们对矩阵a进行减法运算，输出结果如下:

不难发现，当我们运算$a=a-1$时，python为新的变量a重新分配了内存，自然而然地，a矩阵和c矩阵就不再对应同一个内存地址了。

我们尝试了使用赋值语句进行复制，那么如果我们使用np.copy()方法会怎么样呢？
源代码如下:

f = np.copy(a)
print(f)
print(a)
print(a is f)
print(id(a))
print(id(f))

输出结果如下:

我们发现，使用copy方法进行复制时，仅仅只是对数值的复制，Python会为变量重新分配内存，而不会像赋值语句一样使两个变量公用同一块内存空间。

使用下述代码也可以实现copy一样的作用，只复制数值，而不改变变量的地址:

g = a[:]
print(g)
print(a)
print(a is g)
print(id(a))
print(id(g))

输出结果: