python中的is和== 、以及深拷贝和浅拷贝的区别

 一、is和==的区别

'is' 是指内存地址和数据类型都相同,而 '==' 只要数据类型相同条件即可成立

id():在内存中存储的位置
type():变量的类型
value:变量的值
==:type value
is:type value id
>>> li = [1,2,3]
>>> li
[1, 2, 3]
>>> id(li)
139814583223368
>>> li1 = li
>>> id(li1)
139814583223368
>>> li2 = li.copy()
>>> li2
[1, 2, 3]
>>> id(li2)
139814459672456
>>> li
[1, 2, 3]
>>> li1
[1, 2, 3]
>>> li2
[1, 2, 3]
>>> li == li1
True
>>> li1 == li2
True
>>> li2 is li
False
>>> li2 is li1
False
>>> li1 is li
True
>>>


"""

 

 

 

二、深拷贝和浅拷贝的区别

"""
当一个变量=xx的时候,约定为:指向地址空间的过程
浅拷备:copy.copy()
深拷备:copy.deepcopy()

>>> import copy
>>> a = [11,22]
>>> b = [33,44]
>>> c = [a,b]
>>> c
[[11, 22], [33, 44]]
>>> d = copy.copy(c)
>>> d
[[11, 22], [33, 44]]
>>> id(c)
139814459865608
>>> id(d)
139814459865288
>>> id(c[0])
139814459768648
>>> id(d[0])
139814459768648
>>> id(a)
139814459768648
>>> e = copy.deepcopy(c)
>>> id(e)
139814459027720
>>> id(c)
139814459865608
>>> id(c[1])
139814459767560
>>> id(b)
139814459767560
>>> id(e[1])
139814458868872
>>> id(d[1])
139814459767560

>>> a = [11,22]
>>> b = [33,44]
>>> c = (a,b)
>>> c
([11, 22], [33, 44])
>>> d = copy.copy(c)
>>> id(c)
139814458868808
>>> id(d)
139814458868808
>>> e = copy.deepcopy(c)
>>> id(e)
139814459842504
>>> id(c[1])
139814458869064
>>> id(e[1])
139814459767560
>>> id(d[1])
139814458869064
>>> id(a)
139814459866568
>>> id(b)
139814458869064

如果copy.copy()拷备的是元组,它不会进行浅拷备,仅仅是一个指向
因为元组是不可变数类型,那么就意味着数据一定不能修改,因此copy.copy()
的时候,它会自动判断是指向

如果copy.copy() copy.deepcopy()对一个全部是不可变数据类型
的数据进行数据拷备的时候哦,那么它们的结果都是相同的

***面试常问:请简述赋值, 深拷贝和浅拷贝的区别?(python中如何拷贝一个对象?)
 直接赋值(li1 = li): 只传递对象的引用, li1指向对象li的内存地址空间,
    因此, 原有列表li改变, 被赋值的li1也会做相应的改变.
- 浅拷贝:li和li2的内存地址不同,
    但是子对象的内存地址相同, 因此,原始数据改变 , 子对象也改变.\
- 深拷贝(import copy, eg: li3=copy.deepcopy(li)), li和li3的内存地址不同,
         包含子对象的拷贝, 所以原始对象改变并不会造成深拷贝里面任何子项的改变.

*** 当深拷贝和浅拷贝, 针对的对象全部是不可变数据类型时, 两者效果相同;
*** 当深拷贝和浅拷贝, 针对的对象包含是可变数据类型时, 两者才有上述区别;
"""
# 所有的数值类型和布尔类型, str是不可变数据类型,
# list是可变数据类型;

# 浅拷贝的实现:
#   - li.copy()
#   - li[:]
#   - copy.copy(li)

# 实现深拷贝:
#   - copy.deepcopy(li)

 

 

 

 

 

数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采集、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
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