python(和大多数主流语言)中的对象作为引用传递。
以numpy为例,通过索引现有数组而创建的“新”数组只是原始数组的视图。例如:import numpy as np
>>> vec_1 = np.array([range(10)])
>>> vec_1
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> vec_2 = vec_1[3:] # let vec_2 be vec_1 from the third element untill the end
>>> vec_2
array([3, 4, 5, 6, 7, 8, 9])
>>> vec_2[3] = 10000
array([3, 4, 5, 10000, 7, 8, 9])
>>> vec_1
array([0, 1, 2, 3, 4, 5, 10000, 7, 8, 9])
Numpy有一个方便的方法来帮助您解决问题,叫做may_share_memory(obj1,obj2)。所以:>>> np.may_share_memory(vec_1, vec_2)
True
小心点,因为这个方法可能会返回误报(尽管我从未见过)。
根据经验,默认情况下,对象几乎从不作为值传递。即使是封装在另一个物体上的。另一个例子,在列表中进行巡更:Class SomeClass():
def __init__(a_list):
self.inside_list = a_list
def get_list(self):
return self.inside_list
>>> original_list = range(5)
>>> original_list
[0,1,2,3,4]
>>> my_object = SomeClass(original_list)
>>> output_list = my_object.get_list()
>>> output_list
[0,1,2,3,4]
>>> output_list[4] = 10000
>>> output_list
[0,1,2,3,10000]
>>> my_object.original_list
[0,1,2,3,10000]
>>> original_list
[0,1,2,3,10000]
令人毛骨悚然,嗯?
使用赋值符号(“=”)或在函数末尾返回赋值符号,您将始终创建指向对象或其一部分的指针。仅当您显式地使用复制方法(如某些dict.copy或array[:])复制对象时,才会复制对象。例如:>>> original_list = range(5)
>>> original_list
[0,1,2,3,4]
>>> my_object = SomeClass(original_list[:])
>>> output_list = my_object.get_list()
>>> output_list
[0,1,2,3,4]
>>> output_list[4] = 10000
>>> output_list
[0,1,2,3,10000]
>>> my_object.original_list
[0,1,2,3,10000]
>>> original_list
[0,1,2,3,4]
明白了吗?