（给Python开发者加星标，提升Python技能）
作者：Python全家桶/李鹏辉（本文来自作者投稿）
[h1]概念普及：对象、可变类型、引用
[/h1]
数据拷贝会涉及到Python中对象、可变类型、引用这3个概念，先来看看这几个概念，只有明白了他们才能更好的理解深拷贝与浅拷贝到底是怎么一回事。
Python对象
在Python中，对对象有一种很通俗的说法，万物皆对象。说的就是构造的任何数据类型都是一个对象，无论是数字，字符串，还是函数，甚至是模块，Python都对当做对象处理。
所有Python对象都拥有三个属性：身份、类型、值。
看一个简单的例子：
In [1]: name ="laowang"# name对象
In [2]: id(name) # id:身份的唯一标识
Out[2]: 1698668550104
In [3]:type(name)# type:对象的类型，决定了该对象可以保存什么类型的值
Out[3]: str
In [4]: name # 对象的值，表示的数据
Out[4]:'laowang'
可变与不可变对象在Python中，按更新对象的方式，可以将对象分为2大类：可变对象与不可变对象。
- 可变对象： 列表、字典、集合
所谓可变是指可变对象的值可变，身份是不变的。
- 不可变对象：数字、字符串、元组
不可变对象就是对象的身份和值都不可变。新创建的对象被关联到原来的变量名，旧对象被丢弃，垃圾回收器会在适当的时机回收这些对象。
In [7]: var1 ="python"
In [8]:id(var1)
Out[8]:1700782038408
#由于var1是不可变的，重新创建了java对象，随之id改变，旧对象python会在某个时刻被回收
In [9]: var1 ="java"
In [10]:id(var1)
Out[10]:1700767578296
引用
在 Python 程序中，每个对象都会在内存中申请开辟一块空间来保存该对象，该对象在内存中所在位置的地址被称为引用。在开发程序时，所定义的变量名实际就对象的地址引用。
引用实际就是内存中的一个数字地址编号，在使用对象时，只要知道这个对象的地址，就可以操作这个对象，但是因为这个数字地址不方便在开发时使用和记忆，所以使用变量名的形式来代替对象的数字地址。 在 Python 中，变量就是地址的一种表示形式，并不开辟开辟存储空间。
就像 IP 地址，在访问网站时，实际都是通过 IP 地址来确定主机，而 IP 地址不方便记忆，所以使用域名来代替 IP 地址，在使用域名访问网站时，域名被解析成 IP 地址来使用。
通过一个例子来说明变量和变量指向的引用就是一个东西
In [11]: age =18
In [12]:id(age)
Out[12]:1730306752
In [13]:id(18)
Out[13]:1730306752
[h1]逐步深入：引用赋值
[/h1]
上边已经明白，引用就是对象在内存中的数字地址编号，变量就是方便对引用的表示而出现的，变量指向的就是此引用。赋值的本质就是让多个变量同时引用同一个对象的地址。 那么在对数据修改时会发生什么问题呢？
- 不可变对象的引用赋值
对不可变对象赋值，实际就是在内存中开辟一片空间指向新的对象，原不可变对象不会被修改。
原理图如下：
![]()
下面通过案例来理解一下：
a与b在内存中都是指向1的引用，所以a、b的引用是相同的
In [1]: a =1
In [2]: b = a
In [3]:id(a)
Out[3]:1730306496
In [4]:id(b)
Out[4]:1730306496
现在再给a重新赋值，看看会发生什么变化？
从下面不难看出：当给a 赋新的对象时，将指向现在的引用，不在指向旧的对象引用。
In [1]: a =1
In [2]: b = a
In [5]: a =2
In [6]:id(a)
Out[6]:1730306816
In [7]:id(b)
Out[7]:1730306496
- 可变对象的引用赋值
可变对象保存的并不是真正的对象数据，而是对象的引用。当对可变对象进行赋值时，只是将可变对象中保存的引用指向了新的对象。
原理图如下：
![]()
仍然通过一个实例来体会一下，可变对象引用赋值的过程。
当改变l1时，整个列表的引用会指新的对象，但是l1与l2都是指向保存的同一个列表的引用，所以引用地址不会变。
In [3]: l1 = [1,2,3]
In [4]: l2 = l1
In [5]:id(l1)
Out[5]:1916633584008
In [6]:id(l2)
Out[6]:1916633584008
In [7]: l1[0] =11
In [8]:id(l1)
Out[8]:1916633584008
In [9]:id(l2)
Out[9]:1916633584008
[h1]主旨详解：浅拷贝、深拷贝
[/h1]
经过前2部分的解读，大家对对象的引用赋值应该有了一个清晰的认识了。
下面大家思考一个这样的问题：Python中如何解决原始数据在函数传递之后不受影响了？
这个问题Python已经帮我们解决了，使用对象的拷贝或者深拷贝就可以愉快的解决了。
下面具体来看看Python中的浅拷贝与深拷贝是如何实现的。
- 浅拷贝：
为了解决函数传递后被修改的问题，就需要拷贝一份副本，将副本传递给函数使用，就算是副本被修改，也不会影响原始数据 。
不可变对象的拷贝不可变对象只在修改的时候才会在内存中开辟新的空间， 而拷贝实际上是让多个对象同时指向一个引用，和对象的赋值没区别。
同样的，通过一个实例来感受一下：不难看出，a与b指向相同的引用，不可变对象的拷贝就是对象赋值。
In [11]:importcopy
In [12]: a =10
In [13]: b =copy.copy(a)
In [14]: id(a)
Out[14]:1730306496
In [15]: id(b)
Out[15]:1730306496
可变对象的拷贝对于不可变对象的拷贝，对象的引用并没有发生变化，那么可变对象的拷贝会不会和不可变对象一样了？我们接着往下看。
通过下面这个实例可以看出：可变对象的拷贝，会在内存中开辟一个新的空间来保存拷贝的数据。当再改变之前的对象时，对拷贝之后的对象没有任何影响。
In [24]: importcopy
In [25]: l1 = [1,2,3]
In [26]: l2 =copy.copy(l1)
In [27]:id(l1)
Out[27]:1916631742088
In [28]:id(l2)
Out[28]:1916636282952
In [29]: l1[0] =11
In [30]:id(l1)
Out[30]:1916631742088
In [31]:id(l2)
Out[31]:1916636282952
原理图如下：
![]()
现在再回到刚才那个问题，是不是浅拷贝就可以解决原始数据在函数传递之后不变的问题了？下面看一个稍微复杂一点的数据结构。
通过下面这个实例可以发现：复杂对象在拷贝时，并没有解决数据在传递之后，数据改变的问题。出现这种原因，是copy() 函数在拷贝对象时，只是将指定对象中的所有引用拷贝了一份，如果这些引用当中包含了一个可变对象的话，那么数据还是会被改变。 这种拷贝方式，称为浅拷贝。
In [35]: a = [1,2]
In [36]: l1 = [3,4, a]
In [37]: l2 =copy.copy(l1)
In [38]:id(l1)
Out[38]:1916631704520
In [39]:id(l2)
Out[39]:1916631713736
In [40]: a[0] =11
In [41]:id(l1)
Out[41]:1916631704520
In [42]:id(l2)
Out[42]:1916631713736
In [43]: l1
Out[43]: [3,4, [11,2]]
In [44]: l2
Out[44]: [3,4, [11,2]]
原理图如下：
![]()
对于上边这种状况，Python还提供了另一种拷贝方式(深拷贝)来解决。
- 深拷贝
区别于浅拷贝只拷贝顶层引用，深拷贝会逐层进行拷贝，直到拷贝的所有引用都是不可变引用为止。
接下来我们看看，要是将上边的拷贝实例用使用深拷贝的话，原始数据改变的问题还会不会存在了？
下面的实例清楚的告诉我们：之前的问题就可以完美解决了。
importcopy
l1 = [3,4, a]
In [47]: l2 =copy.deepcopy(li)
In [48]:id(l1)
Out[48]:1916632194312
In [49]:id(l2)
Out[49]:1916634281416
In [50]: a[0] =11
In [51]:id(l1)
Out[51]:1916632194312
In [52]:id(l2)
Out[52]:1916634281416
In [54]: l1
Out[54]: [3,4, [11,2]]
In [55]: l2
Out[55]: [1,2,3]
原理图如下：
![]()
[h1]查漏补缺
[/h1]
为什么Python默认的拷贝方式是浅拷贝？
- 时间角度：浅拷贝花费时间更少
- 空间角度：浅拷贝花费内存更少
- 效率角度：浅拷贝只拷贝顶层数据，一般情况下比深拷贝效率高。
本文知识点总结：
- 不可变对象在赋值时会开辟新空间
- 可变对象在赋值时，修改一个的值，另一个也会发生改变
- 深、浅拷贝对不可变对象拷贝时，不开辟新空间，相当于赋值操作
- 浅拷贝在拷贝时，只拷贝第一层中的引用，如果元素是可变对象，并且被修改，那么拷贝的对象也会发生变化
- 深拷贝在拷贝时，会逐层进行拷贝，直到所有的引用都是不可变对象为止。
- Python 中有多种方式实现浅拷贝，copy模块的copy 函数 ，对象的 copy 函数 ，工厂方法，切片等。
- 大多数情况下，编写程序时，都是使用浅拷贝，除非有特定的需求
- 浅拷贝的优点：拷贝速度快，占用空间少，拷贝效率高
【本文作者】
李鹏辉：就职于深圳一家科技公司AI部门，目前负责Python后台开发和数据挖掘相关工作。工作之余也在运营公号「Python全家桶」。
推荐阅读
（点击标题可跳转阅读）
[/url]
[url=http://mp.weixin.qq.com/s?__biz=MzA4MjEyNTA5Mw==&mid=2652566963&idx=1&sn=3def5f19fb4918d412e62c90fe7ff2fe&chksm=8464ddf9b31354efbad08e4d2962bcf53b33ecd496c36b891313bb753a3da9f3b5ba1cb40867&scene=21#wechat_redirect]如果你不了解机器学习的简史，请看这篇文章
一篇文章教你如何用 Python 记录日志
觉得本文对你有帮助？请分享给更多人
关注「Python开发者」加星标，提升Python技能
喜欢就点一下「好看」呗~
|
|
转播
