python中的引用、浅拷贝和深拷贝

在python中,有一句话:“一切皆为对象,一切皆为对象的引用“,所以
只要记住这句话就很容易清楚python中的引用、浅拷贝和深拷贝了。

1. 引用

python中的引用是经常使用的,python的引用可以节省内存,加快速度,因为它不需要开辟内存空间。例如:
[python] view plain copy
a = 1
b = 1
这表示让 a 这个变量去指向一个地址,这个地址保存着数据为 1,让变量 b 也去指向这个地址,那么通过 b 我们一样可以找到数据 1,通过地址的指向来
来查找到数据,这就是python中的引用;

2. 浅拷贝

浅拷贝 copy.copy()
浅拷贝保存的是数据的地址,不保存内容,浅拷贝是需要开辟单独的内存空间来存储地址的,它不能保证
数据的独立性。例如:
python中的引用、浅拷贝和深拷贝

可以看出 b 的数据和 a 的数据一样,但是 b 的地址和 a 的地址不相同,而且 b 的地址里保存的是列表里元素 1, 2, 3 的地址,b 通过保存的地址信息来获取数据1, 2, 3 可以通过下面的例子得出:
python中的引用、浅拷贝和深拷贝

可以看出列表a 和列表 b 里面的元素 1 都指向着同一个地址,当列表 a 的第一个元素的值变为8时,即指向一个新的保存数据为 8 的地址时,列表b 的第一个元素仍然保存的是元素 1 的地址,此时可以看出,浅拷贝只是把数据的地址保存了,并没有保存数据本身,当列表中如果有元素为可变的列表或字典类时,因为拷贝的是列表或字典所对应的地址,如果列表或字典中有元素发生改变,则浅拷贝的列表也会跟着改变,不能保证数据的独立性:
python中的引用、浅拷贝和深拷贝

python中的引用、浅拷贝和深拷贝
python中的引用、浅拷贝和深拷贝

3. 深拷贝

深拷贝copy.deepcopy()
python中,深拷贝在浅拷贝的基础上更进一步,深拷贝保存的是数据的本身,一旦进行深拷贝,则拷贝后的内容不仅和原本的内容完全一样,而且跟原来的没有任何联系,充分保证了数据的独立性。
深拷贝相当于在内存中开辟了一片新的内存,不再用来保存数据的地址,而是用新的地址来保存相同的数据。
python中的引用、浅拷贝和深拷贝

可以看出深拷贝是把列表里的数据保存了,和浅拷贝不同,当列表 a 发生改变时,列表 b 并不会跟着改变,这样充分体现了深拷贝可以保证数据的独立性。