目录
在平时工作中,经常涉及到数据的传递。在数据传递使用过程中,可能会发生数据被修改的问题。为了防止数据被修改,就需要再传递一个副本,即使副本被修改,也不会影响原数据的使用。为了生成这个副本,就产生了拷贝——今天就说一下Python中的深拷贝与浅拷贝的问题。
一、概念解读
数据拷贝会涉及到Python中对象、可变类型、引用这3个概念,先来看看这几个概念,只有明白了它们才能更好地理解拷贝到底是怎么一回事。
1.1、Python对象
在Python中,对对象有一种很通俗的说法,万物皆对象。说的就是构造的任何数据类型都是一个对象,无论是数字、字符串、还是函数,甚至是模块、Python都对当做对象处理。
所有Python对象都拥有三个属性:身份、类型、值。
看一个简单的例子:
name = 'python' # name对象
print('ID:', id(name)) # id:身份的唯一标识
print('Type:', type(name)) # type:对象的类型,决定了该对象可以保存什么类型的值
print('Value:', name) # 对象的值,表示的数据
结果输出:
1.2、可变与不可变对象
在Python中,按更新对象的方式,可以将对象分为2大类:可变对象与不可变对象。
- 可变对象: 列表、字典、集合。所谓可变是指可变对象的值可变,身份是不变的。
- 不可变对象:数字、字符串、元组。不可变对象就是对象的身份和值都不可变。新创建的对象被关联到原来的变量名,旧对象被丢弃,垃圾回收器会在适当的时机回收这些对象。
val1 = 'python'
print('ID of val1 --> L1:', id(val1))
# 由于val1是不可变的,重新创建java对象,随之id改变,旧对象python会在某个时刻被回收
val1 = 'java'
print('ID of val1 --> L2:', id(val1))
1.3、引用
在Python程序中,每个对象都会在内存中申请开辟一块空间来保存该对象,该对象在内存中所在位置的地址被称为引用。在开发程序时,所定义的变量名实际就对象的地址引用。
引用实际就是内存中的一个数字地址编号,在使用对象时,只要知道这个对象的地址,就可以操作这个对象,但是因为这个数字地址不方便在开发时使用和记忆,所以使用变量名的形式来代替对象的数字地址。在Python中,变量就是地址的一种表示形式,并不开辟开辟存储空间。
就像 IP 地址,在访问网站时,实际都是通过 IP 地址来确定主机,而 IP 地址不方便记忆,所以使用域名来代替 IP 地址,在使用域名访问网站时,域名被解析成 IP 地址来使用。
通过一个例子来说明变量和变量指向的引用就是一个东西:
age = 18
print('ID of age:\t', id(age))
print('ID of 18:\t', id(18))
二、逐步深入:引用赋值
上边已经明白,引用就是对象在内存中的数字地址编号,变量就是方便对引用的表示而出现的,变量指向的就是此引用。赋值的本质就是让多个变量同时引用同一个对象的地址。
那么在对数据修改时会发生什么问题呢?
2.1、不可变对象的引用赋值
对不可变对象赋值,实际就是在内存中开辟一片空间指向新的对象,原不可变对象不会被修改。原理图如下:
下面通过案例来理解一下:
a与b在内存中都是指向1的引用,所以a、b的引用是相同的。
a = 1
b = a
print('ID of a:', id(a))
print('ID of b:', id(b))
现在再给a重新赋值,看看会发生什么变化?从下面不难看出:当给a赋新的对象时,将指向现在的引用,不在指向旧的对象引用。
a = 1
b = a
a = 2
print('ID of a:', id(a))
print('ID of 2:', id(2))
print('ID of b:', id(b))
print('ID of 1:', id(1))
2.2、可变对象的引用赋值
可变对象保存的并不是真正的对象数据,而是对象的引用。当对可变对象进行赋值时,只是将可变对象中保存的引用指向了新的对象。原理图如下:
仍然通过一个实例来体会一下,可变对象引用赋值的过程:当改变l1时,整个列表的引用会指新的对象,但是l1与l2都是指向保存的同一个列表的引用,所以引用地址不会变。
l1 = [1, 2, 3]
l2 = l1
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
l1[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))
三、主旨详解:浅拷贝、深拷贝
经过前2部分的解读,大家对对象的引用赋值应该有了一个清晰的认识了。那么Python中如何解决原始数据在函数传递之后不受影响?这个问题Python已经帮我们解决了,使用对象的拷贝或者深拷贝就可以愉快解决了。
下面具体来看看Python中的浅拷贝与深拷贝是如何实现的。
3.1、浅拷贝
为了解决函数传递后被修改的问题,就需要拷贝一份副本,将副本传递给函数使用,就算是副本被修改,也不会影响原始数据 。
3.1.1、不可变对象的拷贝
不可变对象只在修改的时候才会在内存中开辟新的空间,而拷贝实际上是让多个对象同时指向一个引用,和对象的赋值没区别。
同样的,通过一个实例来感受一下:不难看出,a与b指向相同的引用,不可变对象的拷贝就是对象赋值。
import copy
a = 10
b = copy.copy(a)
print('ID of a:', id(a))
print('ID of b:', id(b))
3.1.2、可变对象的拷贝
对于不可变对象的拷贝,对象的引用并没有发生变化,那么可变对象的拷贝会不会和不可变对象一样了?我们接着往下看。
通过下面的实例能看出:可变对象的拷贝会在内存中开辟一个新的空间来保存拷贝的数据。当再改变之前的对象时,对拷贝之后的对象没有任何影响。
import copy
l1 = [1, 2, 3]
l2 = copy.copy(l1)
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
l1[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))
print('l1:', l1)
print('l2:', l2)
原理图如下:
现在再回到刚才那个问题,是不是浅拷贝就可以解决原始数据在函数传递之后不变的问题了?下面看一个稍微复杂一点的数据结构。
通过下面这个实例可以发现:复杂对象在拷贝时,并没有解决数据在传递之后,数据改变的问题。出现这种原因,是copy() 函数在拷贝对象时只是将指定对象中的所有引用拷贝了一份,如果这些引用当中包含了一个可变对象的话,那么数据还是会被改变。这种拷贝方式,称为浅拷贝。
import copy
a = [1, 2]
l1 = [3, 4, a]
l2 = copy.copy(l1)
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
a[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))
print('l1:', l1)
print('l2:', l2)
原理图如下:
对于上边这种状况,Python还提供了另一种拷贝方式(深拷贝)来解决。
3.2、深拷贝
区别于浅拷贝只拷贝顶层引用,深拷贝会逐层进行拷贝,直到拷贝的所有引用都是不可变引用为止。
接下来我们看看,要是将上边的拷贝实例用使用深拷贝的话,原始数据改变的问题还会不会存在了?
下面的实例清楚地告诉我们:之前的问题就可以完美解决了。
import copy
a = [1, 2]
l1 = [3, 4, a]
l2 = copy.deepcopy(l1)
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
a[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))
print('l1:', l1)
print('l2:', l2)
原理图如下:
四、查漏补缺
为什么Python默认的拷贝方式是浅拷贝?
-
时间角度:浅拷贝花费时间更少;
-
空间角度:浅拷贝花费内存更少;
-
效率角度:浅拷贝只拷贝顶层数据,一般情况下比深拷贝效率高。
本文知识点总结:
-
不可变对象在赋值时会开辟新空间;
-
可变对象在赋值时,修改一个的值,另一个也会发生改变;
-
深、浅拷贝对不可变对象拷贝时,不开辟新空间,相当于赋值操作;
-
浅拷贝在拷贝时,只拷贝第一层中的引用,如果元素是可变对象,并且被修改,那么拷贝的对象也会发生变化;
-
深拷贝在拷贝时会逐层进行拷贝,直到所有的引用都是不可变对象为止;
-
Python中有多种方式实现浅拷贝,copy模块的copy函数、对象的copy函数、工厂方法、切片等;
-
大多数情况下,编写程序时都是使用浅拷贝,除非有特定的需求;
-
浅拷贝的优点:拷贝速度快,占用空间少,拷贝效率高。
【注】:本文转载自微信公众号《马哥Linux运维》20190328期《Python程序员如何防止数据被修改》,本文作者PayneLi,运营个人公众号 Python全家桶。向作者致敬!