Python - 对象赋值、浅拷贝、深拷贝的区别

2021/8/1 14:05:59

编程Tag： 对象拷贝赋值 new id list python old

本文主要是介绍Python - 对象赋值、浅拷贝、深拷贝的区别，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

前言

Python 中不存在值传递，一切传递的都是对象的引用，也可以认为是传址
这里会讲三个概念：对象赋值、浅拷贝、深拷贝

名词解释

变量：存储对象的引用
对象：会被分配一块内存，存储实际的数据，比如字符串、数字、列表
引用：变量指向对象，可以理解为指针

实际的一种应用场景

有一个变量 a，存储了一个值
此时想用另一个变量 b 暂时存储变量 a 的值，以便后续使用
然后继续修改变量 a 的值，但修改的时候并不想同步更改变量 b 的值

a=1
b=a
a=2

对象赋值

赋值运算符详解：https://www.cnblogs.com/poloyy/p/15083012.html
Python 的赋值语句并不是创建一个新对象，只是创建了一个共享原始对象引用的新变量

不可变对象的赋值

a = 1
b = a

print(a, b)

a += 2
print(a, b)

print("a id:", id(a))
print("b id:", id(b))


# 输出结果
1 1
2 1
a id: 4564097808
b id: 4564097776

修改变量 a 的值，不会同步修改变量 b 的值
因为赋值操作 a += 2 后，变量 a 存储的对象引用已经改变了
至于具体的原理，可以看看不可变对象、可变对象的详解 https://www.cnblogs.com/poloyy/p/15073168.html

可变对象的赋值

a = [1, 2, 3]
b = a

print(a, b)

a[1] = 22
print(a, b)

print("a id:", id(a))
print("b id:", id(b))


# 输出结果
[1, 2, 3] [1, 2, 3]
[1, 22, 3] [1, 22, 3]
a id: 4567683136
b id: 4567683136

修改 a 变量的值，会同步修改变量 b 的值，这不符合上面的说的实际应用场景
因为变量 a、b 指向的对象是可变对象，所以它们保存的对象引用都是一样的

拷贝的诞生

那如果要让可变对象也能满足上述实际应用场景，要怎么做呢？
当然就是拷贝
而拷贝又分为浅拷贝、深拷贝，接下来会具体聊一聊两种拷贝的区别

第一个重点总结

对于不可变对象来说，赋值操作其实就可以满足上面说的实际应用场景
所以！后面要讲的浅拷贝、深拷贝对于不可变对象来说，和赋值操作是一样的效果！
记住！浅拷贝、深拷贝只针对可变对象，即列表、集合、字典！

copy 模块

Python 提供了 copy 模块，包含了浅拷贝、深拷贝函数

from copy import copy, deepcopy

# 浅拷贝
copy(x)

# 深拷贝
deepcopy(x)

浅拷贝

一句话概括：浅拷贝会创建一个新对象，该新对象存储原始元素的引用

浅拷贝后的值是相同的

将列表赋值给变量 old_list
通过 copy() 方法对 old_list 变量指向的对象进行浅拷贝，并赋值给新变量 new_list
因为是对象进行拷贝，所以 new_list 和 old_list 存储的值是相同的

import copy

old_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
new_list = copy.copy(old_list)

print("Old list:", old_list)
print("New list:", new_list)


# 输出结果
Old list: [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
New list: [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

浅拷贝后的会产生一个新的对象

虽然 old_list 和 new_list 存储的值是相同的，但浅拷贝的操作是产生了一个新的对象
所以 old_list 和 new_list 指向的对象并不是同一个

import copy

old_list = [[1, 2], [3, 4]]
new_list = copy.copy(old_list)

old_list.append([5, 6])

print("Old list:", old_list, "id is :", id(old_list))
print("New list:", new_list, "id is :", id(new_list))


# 输出结果
Old list: [[1, 2], [3, 4], [5, 6]] id is : 4366240704
New list: [[1, 2], [3, 4]] id is : 4366246720

可以看到内存地址是不同的，所以给 old_list 新增一个元素并不会同步让 new_list 也新增

原理图

浅拷贝生成了一个新对象，然后赋值给 new_list
new_list、old_list 指向的列表对象不是同一个，但值相同
重点：对于列表对象中的元素，浅拷贝产生的新对象只存储原始元素的引用（内存地址），所以两个列表对象的元素的引用都指向同一个内存地址

那为什么要深拷贝呢？

修改列表内的不可变对象元素

上面的栗子是直接添加元素，来看看修改元素会怎么样

# 不可变元素
import copy

old_list = [1, 2, "string", (1, 2,)]
new_list = copy.copy(old_list)

old_list[1] += 22
old_list[2] += "s"
old_list[3] += (3,)

print("Old list:", old_list)
print("New list:", new_list)


# 输出结果
Old list: [1, 24, 'strings', (1, 2, 3)]
New list: [1, 2, 'string', (1, 2)]

修改 old_list 的三种不可变对象元素，均不会同步给 new_list

修改不可变对象的原理图

修改列表内的可变对象元素

# 可变元素
import copy

old_list = [[1, 2], [3, 4]]
new_list = copy.copy(old_list)

old_list[0][0] += 99
old_list[1][0] += 97

print("Old list:", old_list, "old list id:", id(old_list), " old list[0] id:", id(old_list[0]))
print("new list:", new_list, "new list id:", id(new_list), " new list[0] id:", id(new_list[0]))


# 输出结果
Old list: [[100, 2], [100, 4]] old list id: 4430308096  old list[0] id: 4430302400
new list: [[100, 2], [100, 4]] new list id: 4430308416  new list[0] id: 4430302400

从输出结果看到

两个变量保存了不同的对象引用
但是可变对象元素的内存地址仍然是同一个

修改可变对象的原理图

总结

修改可变对象是在原始对象上直接操作的
浅拷贝产生的新对象是存储的仍然是原始对象的内存地址
所以修改可变对象的时候，新对象的值也会被同步修改，因为新旧列表对象的元素的引用是指向同一个内存地址
当修改可变对象的时候，不满足一开始说的实际应用场景，所以诞生了深拷贝

深拷贝

创建一个新对象，且存储的对象引用也是新的
深，意味着会把所有子元素对象也复制生成一个新对象

栗子一

# 深拷贝
old_list = [[1, 2], [3, 4]]
new_list = copy.deepcopy(old_list)

old_list[0][0] += 99
old_list[1][0] += 97

print("Old list:", old_list, "old list id:", id(old_list), " old list[0] id:", id(old_list[0]))
print("new list:", new_list, "new list id:", id(new_list), " new list[0] id:", id(new_list[0]))


# 输出结果
Old list: [[100, 2], [100, 4]] old list id: 4430308480  old list[0] id: 4430211392
new list: [[1, 2], [3, 4]] new list id: 4430308096  new list[0] id: 4430308864