Python的mutable值碎碎念

2019独角兽企业重金招聘Python工程师标准>>>

如下案例：

>>> def test(a, b=[]):
...     b.append(a)
...     return b

>>> test(1)
[1]
>>> test(2)
[1, 2]
>>> test(3)
[1, 2, 3]

 

是由于对于python的可变类型list，set，dict等，它的关键字变量默认值是在函数定义的时候存在func_defaults里的，又因为可变类型是传引用，因此每一次调用都是变化的。

 

[另一方面，在嵌套函数中，python2的内层函数无法获取外层函数不可变变量，但可以访问可变变量，因此通常这样写

def test():

    a = [1]

    def t():

        print a[0]

    t()

把变量放在一个mutable里]X

这里有一个严重失误，像这样的闭包，python内存函数是可以访问外层的变量的，但对immutable变量不允许修改，外面有个a=1，里面可以print a，可以a=2，但不允许a += 2，之前的“无法获取”是错误的，谨记！！！

——————————————————————————————————————————————

说到mutable，一个值得探讨的问题就是copy和deepcopy。通常来说一个浅拷贝只拷贝可变参数的引用，当原数据发生修改时拷贝数据也会修改，考虑如下case：

>>> a = [1,2,[12]]
>>> b = a
>>> a = [2,3,[23]]
>>> a
[2, 3, [23]]
>>> b
[1, 2, [12]]

嘿？说好的同时修改呢？

实际上是因为a进行了一个赋值操作而非对象内的数据修改，因此指向了另外一片内存。浅拷贝的case如下：

>>> a = [1,2,[12]]
>>> b = a
>>> a[1] = 3
>>> a[2].append(3)
>>> b
[1, 3, [12, 3]]
>>>

对于序列来说，会发生浅拷贝的情况有切片，工厂函数list()和copy模块等。

深拷贝顾名思义是整个复制重开内存，这里不再赘述，不过有一点，python对于不可变变量，深拷也是直接拷引用的，反正不可变，节省空间～case如下：

>>> c = 1
>>> d = deepcopy(c)
>>> id(c),id(d)
(140569092332408, 140569092332408)

要特别注意元组类型，考虑如下case：

>>> a = (1,2)
>>> b = deepcopy(a)
>>> id(a),id(b)
(4482226008, 4482226008)
>>> a = (1,[12])
>>> b = deepcopy(a)
>>> id(a),id(b),id(a[0]),id(b[0]),id(a[1]),id(b[1])
(4482223208, 4482225792, 140569092332408, 140569092332408, 4482452008, 4482450280)

 

当元组数据均为immutable时，深拷是拷引用

当数据中有mutable时，深拷回开辟新内存，其中，immutable的变量指向同一处，mutable的指向不同处

另外，当元组中有可变数据进行浅拷时，可变数据修改也会同时发生。

————————————————————————————————————————————

immutable数据是可以自定义的，只要重写继承的object的__setattr__和__delattr__

 

1. class Immutable(object):  
2.     def __setattr__(self, *args):  
3.         raise TypeError("can't modify the value of immutable instance")  
4.   
5.     __delattr__ = __setattr__  
6.   
7.     def __init__(self, value):  
8.          super(Immutable, self).__setattr__("value", value)  

转载于:https://my.oschina.net/u/2247638/blog/875914