目录
- copy的功能
- copy的用法
- copy 与2次赋值的区别
copy功能
- 将当前的列表复制一份相同的列表,新列表与旧列表内容相同,但内存空间不同
用法copy
- 用法:
list.copy()
->该函数无参数,返回一个一模一样的列表
In [52]: old_list = [ 'a', 'b', 'c' ]
In [53]: new_list = old_list.copy( )
In [54]: print(new_list)
[ 'a' , 'b', 'c']
copy与二次赋值的区别
- a = [1,2,3]
- b = a
- 二次赋值的变量与原始变量享有相同内存空间
- copy函数创建的新列表与原始列表不是一个内存空间,不同享数据变更
- copy属于浅拷贝
a = [1, 2, 3]
b= a.copy()
b.append(4)
b
[1,2,3,4]
a
[1,2,3]
浅拷贝
- 通俗的说,我们有一个列表a,列表里的元素还是列表,当我们拷贝出新列表b后,无论是a还是b的内部的列表中的数据发生了变化后,相互之间都会受到影响
- 只能对数据结构的第一层数据进行拷贝,如果数据结构里有更深层的数据,则无法进行拷贝。深层的数据原始变量与新变量是共享的,发生变化也是共享的
a = [[1, 2, 3], [5, 6, 7]]
b=a.copy()
b
[ [1, 2, 3], [5, 6, 7]]
b[0].append(10)
b
[[1, 2, 3, 10], [5, 6, 7]]
a
[[1, 2, 3, 10], [5, 6, 7]]
深拷贝
- 不仅对第一层数据进行了copy ,对深层的数据也进行copy,原始变量和新变量完完全全不共享数据
a = [[1, 2, 3], [5, 6, 7]]
b=a.deepcopy()
b
[ [1, 2, 3], [5, 6, 7]]
b[0].append(10)
b
[[1, 2, 3, 10], [5, 6, 7]]
a
[[1, 2, 3,], [5, 6, 7]]
实战
old_list = ['python', 'django', 'flask']
new_list = old_list
new_list.append('tornado')
print(new_list)
print(old_list)
print(id(new_list), id(old_list))
old_list.remove('tornado')
print(new_list, old_list)
old_list.clear()
print(new_list, old_list)
del new_list
print(old_list)
old_list_copy = ['python', 'django', 'flask']
new_list_copy = old_list_copy.copy()
new_list_copy.append('tornado_copy')
print(old_list_copy, new_list_copy)
print(id(old_list_copy), id(new_list_copy))
['python', 'django', 'flask', 'tornado']
['python', 'django', 'flask', 'tornado']
2531827380928 2531827380928
['python', 'django', 'flask'] ['python', 'django', 'flask']
[] []
[]
['python', 'django', 'flask'] ['python', 'django', 'flask', 'tornado_copy']
2531831877184 2531831877248
Process finished with exit code 0