Python中的引用与浅拷贝

最新推荐文章于 2024-11-22 23:42:03 发布

GtJason_1998

最新推荐文章于 2024-11-22 23:42:03 发布

阅读量496

点赞数

分类专栏： Python 文章标签： Python

本文链接：https://blog.youkuaiyun.com/qq_41248471/article/details/102696496

版权

Python 专栏收录该内容

4 篇文章

订阅专栏

导语

挺绕的知识点，自己边看别人的博客边整理自己遇到的问题，磕磕绊绊写下这篇博客，有错误欢迎在评论区指出

浅谈变量、对象及引用间的关系

在这里插入图片描述

变量：变量可以看作是一个标签，它无类型，建立后存入系统变量表
引用：引用可以看作是一个特殊的"指针"，它存放着对象的地址
对象：对象是计算机分配的一块实际的内存，里边存放着相应的值

引用(reference)

在Python中，赋值语句，总是在 建立对象的引用(建立指针) 或是 修改变量的引用(修改指针)，通过引用可以查看相应的值在内存中的存放地址，Python中，通过内置函数id()来查看对象的存放地址，如

list1 = [0,1,2]
id(list1)	#该语句可以查看list1列表在内存中的存放地址

可变对象与不可变对象的引用问题

Python中，对象可分为可变对象和不可变对象，首先讨论什么是可变对象，什么是不可变对象

可变对象：如list、set、dict

list1 = [100,200,300]	#可变对象，赋值语句在此处是在建立对象的引用
list2 = list1			
print(id(list1),id(list2))
list1[0] = 0
print(list2)

在这里插入图片描述
list1与list2指向同一块内存，通过修改list1，可以发现list2也受到了影响

不可变对象：如str、number、tuple

str1 = '123'	#不可变对象，赋值语句在此处是在建立对象的引用
print(id(str1))
str1 = '012'	#创建新对象，并修改该变量的引用
print(id(str1))

在这里插入图片描述
此处的赋值语句，是在先创建了一个新的str对象的基础上，在修改变量str1的引用

浅拷贝(shallow copy)

在使用NumPy的ndarray对象时，可使用该对象的copy()方法实现浅拷贝(shallow copy)

import numpy as np
array = np.arange(5)
array_illusion = array
array_copy = array.copy()
print(id(array),id(array_illusion),id(array_copy))

在这里插入图片描述
根据输出的内存地址可以得知，未使用copy()方法的赋值语句，只是给第1行建立的ndarray对象又建立了一个新的引用，并贴上array_illusion的“标签”，而使用copy()方法则是真正的建立了一个新的ndarray对象

后记

最近在完成学校的数值计算作业的时候，将Matlab的程序转为了Python的程序来实现，由于里边每一次的迭代都需要重新赋值，自己在编写的时候又忽略了Python赋值语句本质上是在操控引用，不像Matlab那样只需要空间预分配就行，进而导致怎么都算不出正确结果，查阅资料补了补知识，在Python赋值语句的后边加上了.copy()，便得到了正确的结果，所以决定写下这篇博客，作为一个学习笔记。本来还想一起把深拷贝的内容也写了，但考虑到自己掌握的也不是太好，同时也不在这篇文章的讨论范围内，就索性等有时间再写了>_<