前言
网上已经有很多关于Python浅拷贝和深拷贝的文章了,不过好多文章看起来还是决定似懂非懂,所以决定用自己的理解来写出这样一篇文章。
当别人一提起Python中的复制操作,你会不会立马站起来说:“我会”,于是就有了如下操作:
import copy
x = copy.copy(y) # 浅拷贝我会了
x = copy.deepcopy(y) # 深拷贝我来了
那浅拷贝和深拷贝有什么区别呢,你能给我讲讲吗?
从引用vs.拷贝说起
首先,我们要弄清楚什么是对象引用与对象拷贝(复制)。
对象引用
Python中对象的赋值其实就是对象的引用。当创建一个对象,把它赋值给另一个变量的时候,Python并没有拷贝这个对象,只是拷贝了这个对象的引用而已。
>>> a = 1
>>> b = a
>>> id(a) == id(b)
True
>>> x = [1, 2, 3]
>>> y = [x, 4]
>>> x
[1, 2, 3]
>>> y
[[1, 2, 3], 4]
>>>
>>>> id(x) == id(y)
False
>>> id(x) == id(y[0])
True
如果这个过程不理解,可以看看下图:
当我们对x列表进行操作时,会发现y中也发生了意料之外的事情:
>>> x[1] = 2020
>>> y
[[1, 2020, 3], 4]
由于列表是可变的,修改x这个列表对象的时候,也会改变对象y中对x的引用。
所以当我们在原处修改可变对象时 可能会影响程序中其他地方对相同对象的其他引用,这一点很重要。如果你不想这样做,就需要明确地告诉Python复制该对象。
对象拷贝
如果你需要拷贝,可以进行如下操作:
- 没有限制条件的分片表达式(
L[:]
) - 工厂函数(如list/dir/set)
- 字典copy方法(
X.copy()
) - copy标准库模块(
import copy
)
举个例子,假设有一个列表L和一个字典D:
>>> L = [2019, 2020, 2021]
>>> D = {'1':2019, '2':2020, '3':2021}
>>>
>>> A = L[:] # 区分 A=L 或 A = List(L)
>>> B = D.copy() # 区分 B=D
>>> A
[2019, 2020, 2021]
>>> B
{'1': 2019, '2': 2020, '3': 2021}
这样定义之后,当你修改A和B时,会发现并不会对原来的L跟D产生影响,因为,这就是对象的拷贝。
>>> A[1] = 'happy'
>>> B[3] = 'today'
>>> L, D
([2019, 2020, 2021], {'1': 2019, '2': 2020, '3': 2021})
>>> A, B
([2019, 'happy', 2021], {'1': 2019, '2': 2020, '3': 2021, 3: 'today'})
上述对列表和字典的拷贝操作默认都为浅拷贝:
- 制作字典的浅层复制可以使用 dict.copy() 方法
- 而制作列表的浅层复制可以通过赋值整个列表的切片完成,例如,copied_list = original_list[:]。
说到这里,疑问就产生了?什么是浅拷贝?浅拷贝的对应深拷贝又该作何解释?
谈谈浅拷贝和深拷贝
官方文档定义:
浅层复制和深层复制之间的区别仅与复合对象 (即包含其他对象的对象,如列表或类的实例) 相关:
一个 浅层复制 会构造一个新的复合对象,然后(在可能的范围内)将原对象中找到的 引用 插入其中。
一个 深层复制 会构造一个新的复合对象,然后递归地将原始对象中所找到的对象的 副本 插入。
浅拷贝
浅拷贝:拷贝了最外围的对象本身,内部的元素都只是拷贝了一个引用而已。也就是,把对象复制一遍,但是该对象中引用的其他对象我不复制。
用通俗的话理解就是:你的橱柜(对象)里装着一🧺(篮子)🥚(鸡蛋),然后浅拷贝一下的意思。我只拷贝了最外面的这个橱柜,至于里面的内部元素(🧺和🥚)我并不拷贝。
当我们遇到简单的对象时,用上面的解释好像很好理解;如果遇到复合对象,就比如下列代码:
l1 = [3, [66, 55, 44], (3, 7, 21)]
l2 = list(l1)
l1.append(100)
print('l1:', l1)
print('l2:', l2)
l1[1].remove(55)
l2[1] += [33, 22]
l2[2] += (9, 9, 81)
print('l1:', l1)
print('l2:', l2)
代码解释:
l2
是l1
的浅拷贝- 把100追加到
l1
,对l2
没有影响l1
内部列表l1[1
中的55删除,对l2
也产生影响,因为l1[1]
和l2[1]
绑定的是同一个列表- 对可变对象来说,
l2[1
引用的列表进行+=就地修改列表。这次修改导致l1[1]
也发生了改变- 对元组来说,+= 运算符创建一个新元组,然后重新绑定给变量 l2[2]。这等同于
l2[2] = l2[2] + (10, 11)
。现在,l1
和l2
中最 后位置上的元组不是同一个对象
把这段代码可视化出来如下:
动手试一试,可以点此处
深拷贝
深拷贝:外围和内部元素都进行了拷贝对象本身,而不是引用。也就是,把对象复制一遍,并且该对象中引用的其他对象我也复制。
对比上面的篮子和鸡蛋:你的橱柜(对象)里装着一🧺(篮子)🥚(鸡蛋),然后深拷贝一下的意思。把最外面的这个橱柜和里面的内部元素(🧺和🥚)全部拷贝过来。
from copy import deepcopy
l1 = [3, [66, 55, 44], (3, 7, 21)]
l2 = deepcopy(l1)
l1.append(100)
print('l1:', l1)
print('l2:', l2)
l1[1].remove(55)
l2[1] += [33, 22]
l2[2] += (9, 9, 81)
print('l1:', l1)
print('l2:', l2)
输出结果:
拷贝的特点
-
不可变类型的对象(如数字、字符串、和其他’原子’类型的对象)
对于深浅拷贝毫无影响,最终的地址值和值都是相等的。也就是,“obj is copy.copy(obj)” 、“obj is copy.deepcopy(obj)” -
可变类型的对象
=浅拷贝: 值相等,地址相等
copy浅拷贝:值相等,地址不相等
deepcopy深拷贝:值相等,地址不相等 -
循环引用的对象
如果对象有循环引用,那么这个朴素的算法会进入无限循环。deepcopy 函数会记住已经复制的对象,因此能优雅地处理循环引用。
循环引用:b 引用 a,然后追加到 a 中;
deepcopy 会想办法复制 a,而copy会进入无限循环。如下面代码:
from copy import deepcopy, copy
a = [80, 90]
b = [a, 100]
a.append(b)
print("a:", a)
print("b:", b)
c = deepcopy(a)
print("c:", c)
d = copy(b)
print("d:", d)
输出结果:
a: [80, 90, [[...], 100]]
b: [[80, 90, [...]], 100]
c: [80, 90, [[...], 100]]
d: [[80, 90, [[...], 100]], 100]
深浅拷贝的作用
1,减少内存的使用
2,以后在做数据的清洗、修改或者入库的时候,对原数据进行复制一份,以防数据修改之后,找不到原数据。
3. 可以定制复制行为,通过实现__copy()
和__deep__()
方法来控制。
总结
看完这篇文章后,转身就跟你同桌说:
“x同学,听说你最近在学Python,你知道浅拷贝和深拷贝吗?”
“不知道,学得有点晕”
“没事,我来给你讲讲:”
拷贝其实在开始学好几个操作语句中,我们就已经使用过却可能不知道的(前3个),而且浅拷贝是Python的默认拷贝方式。拷贝的方法如下:
- 可变类型的切片操作:
[:]
- 工厂函数(如list/dir/set)
- 字典copy方法(
X.copy()
) - 然后就是Python有专门的copy标准库模块:包含两个方法
copy()
和deepcopy()
浅拷贝就像是我只拷贝最外围的对象,对象中引用的其他对象我不复制。深拷贝就是完整的把对象和对象里的内容都拷贝过来。拷贝的目的:
- 为了节省内存
- 防止数据丢失。
后记:深浅拷贝的坑及难以理解的点也只在复合对象上,简单对象就是我们平常理解的复制。而针对非容器类型(如数字、字符串、和其他’原子’类型的对象)没有被拷贝一说。
要是你的同桌还是不懂,你就把这篇文章甩给他,让他好好看看。如果你觉得这篇文章还不错,请点个赞或者收个藏,点个关注更好啦。