python 引用和对象理解

出处:http://www.cnblogs.com/ShaunChen/p/5656971.html

今天浏览博客的时候看到这么一句话: python中变量名和对象是分离的;最开始的时候是看到这句话的时候没有反应过来。决定具体搞清楚一下python中变量与对象之间的细节。(其实我感觉应该说 引用和对象分离 更为贴切)

  从最开始的变量开始思考:

   在python中,如果要使用一个变量,不需要提前进行声明,只需要在用的时候,给这个变量赋值即可 (这个和C语言等静态类型语言不同,和python为动态类型有关)。

   举第一个栗子:

    a = 1

   这是一个简单的赋值语句,整数 1 为一个对象,a 是一个引用,利用赋值语句,引用a指向了对象1;这边形象比喻一下:这个过程就相当于“放风筝”,变量a就是你手里面的“线”,python就跟那根“线”一样,通过引用来接触和拴住天空中的风筝——对象。

   你可以通过python的内置函数 id() 来查看对象的身份(identity),这个所谓的身份其实就是 对象 的内存地址:

    注:

     python一切皆对象的理念,所以函数也是一个对象,因此可以使用 id() 函数的__doc__方法来查看这个函数的具体描述:

>>> id.__doc__
    "id(object) -> integer\n\nReturn the identity of an object. This is guaranteed to be unique among\nsimultaneously existing objects.       (Hint: it's the object's memory address.)"

 

  

   第二个栗子:

    a = 2

    a = 'banana'

   利用上面第一个栗子用到的 id()函数:    

>>> a = 1
>>> id(a) 
24834392
>>> a = 'banana'
>>> id(a)
139990659655312

    第一个语句中, 2是储存在内存中的一个整数对象,通过赋值 引用a 指向了 对象 1

    第二个语句中,内存中建立了一个字符串对象‘banana’,通过赋值 将 引用a 指向了 ‘banana’,同时,对象1不在有引用指向它,它会被python的内存处理机制给当我垃圾回收,释放内存。

 

   第三个栗子:

    a = 3

    b = 3

   通过函数查看 变量a 和 变量b的引用情况: 

>>> a = 3
>>> b = 3
>>> id(a)
10289448
>>> id(b)
10289448

  在这里可以看到  这俩个引用 指向了同一个 对象,这是为什么呢? 这个跟python的内存机制有关系,因为对于语言来说,频繁的进行对象的销毁和建立,特别浪费性能。所以在Python中,整数和短小的字符,Python都会缓存这些对象,以便重复使用。

 

   第四个栗子:

    1.  a = 4

    2.  b = a(这里就是让引用b指向引用a指向的那个对象)

    3.  a = a + 2

   通过函数查看引用情况:

    当执行到第2步的时候,查看一下 a 和 b 的引用:      

>>> a = 4
>>> b = a
>>> id(a)
36151568
>>> id(b)
36151568

    可以看到 a 和 b 都指向了 整数对象 4

    接下来指向第3步:

>>> a = a+2
>>> id(a)
36151520
>>> id(b)
36151568

    可以看到 a 的引用改变了,但是 b 的引用未发生改变;a,b指向不同的对象; 第3句对 a 进行了重新赋值,让它指向了新的 对象6;即使是多个引用指向同一个对象,如果一个引用值发生变化,那么实际上是让这个引用指向一个新的引用,并不影响其他的引用的指向。从效果上看,就是各个引用各自独立,互不影响。

 

   第五个栗子(这个栗子会涉及到 python中的 可变数据类型 和 不可变数据类型):

   开始这个栗子之前,请记得注意到 第四个栗子的不同之处。

     1.   L1 = [1, 2, 3]

     2.   L2 = L1

     3.   L1[0] = 10

   通过函数查看引用情况:

     当执行第1步 和 第二步 的时候,查看一下 L1 和 L2 的引用情况:

>>> L1 = [1,2,3]
>>> L2 = L1
>>> id(L1)
139643051219496
>>> id(L2)
139643051219496

     此时 L1 和 L2 的引用相同,都是指向 [1,2,3]这个列表对象。

     接下来,继续执行第3步:

>>> L1[0] = 10
>>> id(L1)
139643051219496
>>> id(L2)
139643051219496
>>> L2
[10, 2, 3]

     同样的跟第四个栗子那样,修改了其中一个对象的值,但是可以发现 结果 并不与 第四个栗子那样, 在本次实验中,L1 和 L2 的引用没有发生任何变化,但是 列表对象[1,2,3] 的值 变成了 [10,2,3](列表对象改变了)

     在该情况下,我们不再对L1这一引用赋值,而是对L1所指向的表的元素赋值。结果是,L2也同时发生变化。

     原因何在呢?因为L1,L2的指向没有发生变化,依然指向那个表。表实际上是包含了多个引用的对象(每个引用是一个元素,比如L1[0],L1[1]..., 每个引用指向一个对象,比如1,2,3), 。而L1[0] = 10这一赋值操作,并不是改变L1的指向,而是对L1[0], 也就是表对象的一部份(一个元素),进行操作,所以所有指向该对象的引用都受到影响。

(与之形成对比的是,我们之前的赋值操作都没有对对象自身发生作用,只是改变引用指向。)

     列表可以通过引用其元素,改变对象自身(in-place change)。这种对象类型,称为可变数据对象(mutable object),词典也是这样的数据类型。

     而像之前的数字和字符串,不能改变对象本身,只能改变引用的指向,称为不可变数据对象(immutable object)。

     我们之前学的元组(tuple),尽管可以调用引用元素,但不可以赋值,因此不能改变对象自身,所以也算是immutable object.

        

    is关键字:

    当然,我们也可以要想知道是否指向同一个对象,我们可以使用 python的 is 关键词,is用于判断两个引用所指的对象是否相同。

    就像上述第四个栗子 当进行到 第1步 和 第2步 的时候:

>>> a = 4  ……id(a) = 36151568
>>> b =a   ……id(b) = 36151568
>>> a is b  
True

    当进行到第3步的时候:

>>> a = a + 2  ……id(a) = 36151520
>>> a is b  ……id(b) = 36151568
False

              

    突然想到,对于python 的 深拷贝 和 浅拷贝 的理解,也是可以根据这个进行验证,可以通过第五个栗子进行辅助理解。 

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