python-深浅拷贝

本文详细解释了Python中的赋值、浅拷贝和深拷贝的概念。通过实例演示了不同拷贝方式下对象的变化,以及如何使用copy模块进行对象拷贝。强调了深拷贝与浅拷贝的区别,尤其是在处理包含子对象的复杂数据结构时。

深浅拷贝

赋值

  1. 主要的操作,栈内存的拷贝
  2. 将一个变量赋值给另一个变量,这个过程叫做赋值。
  3. 赋值会导致多个变量同时指向一块内存,所以此时不管是==或者 is 都返回 True。当一个发生变化,另一个也会发生变化
  4. 赋值问题,并不是对象拷贝
   >>> a = [1,2,3,4]
   >>> b = a
   >>> a
   [1, 2, 3, 4]
   >>> b
   [1, 2, 3, 4]
   >>> a.append(10)
   >>> a
   [1, 2, 3, 4, 10]
   >>> b
   [1, 2, 3, 4, 10]

浅拷贝

  1. 如果是一个列表,可以使用 ls2 = ls.copy() 在这种方式进行浅拷贝
  2. 浅拷贝对象,并不是把对象完整的拷贝,而是只拷贝了第一层。如果对象中存储了子对象,那么子对
    象还是藕断丝连
>>> a
[1, 2, 3, 4, 10]
>>> c = a.copy()
>>> a
[1, 2, 3, 4, 10]
>>> c
[1, 2, 3, 4, 10]
>>> a.append(15)
>>> a
[1, 2, 3, 4, 10, 15]
>>> c
[1, 2, 3, 4, 10]

#浅拷贝中对象中存储子对象的情况
>>> import copy
>>> a = [1,2,[1,2,3,],4]
>>> b = copy.copy(a)
>>> a
[1, 2, [1, 2, 3], 4]
>>> b
[1, 2, [1, 2, 3], 4]
>>> a.append(10)
>>> b[2].append(5)
>>> a
[1, 2, [1, 2, 3, 5], 4, 10]
>>> b
[1, 2, [1, 2, 3, 5], 4]

深拷贝

深拷贝使用的递归的方式完成的拷贝,这样两个对象之间将没有任何关系

  #深拷贝
    >>> import copy
    >>> a = [1,2,[1,2,3,],4]
    >>> b = copy.deepcopy(a)
    >>> a
    [1, 2, [1, 2, 3], 4]
    >>> b
    [1, 2, [1, 2, 3], 4]
    >>> a.append(10)
    >>> b[2].append(5)
    >>> a
    [1, 2, [1, 2, 3], 4, 10]
    >>> b
    [1, 2, [1, 2, 3, 5], 4]

copy模块

  1. 拷贝对象,而对象是存储在堆中的,拷贝堆内存需要得到第二个一样的对象,复制拷贝对象的效率最高
  2. python为了提供对象拷贝,专门提供了一个copy模块
    copy.copy( ) 浅拷贝
    copy.deepcopy( ) 深拷贝
  3. 使用场景:
    (1)需要将当前对象进行拷贝的时候,一般建议浅拷贝(速度快,内存消耗少)
    (2)如果需要分离关系,使用深拷贝

注意:(1)元组、字符串、数值这些是不可变类型,无论深浅拷贝之后永远只有一份内存
(2)如元组中存在可变类型的元素,浅拷贝之后只有一份内存,深拷贝在之后会产生新的内存,和原对象将没有任何关系

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值