python数据类型可变和不可变_Python 里的 可变类型 vs 不可变类型，浅拷贝 vs 深拷贝...

在python 中可变类型和不可变类型指的是内存地址与其对应的 value 值之间的关系是否可以改变

二者间的关系不可改变的即为不可变类型

不可变类型

字符串，元组，整型，浮点型都是不可变类型

如图中地址 XXX01 永远指向 1，XXX02 永远指向 2

☞创建变量

a=1

b=2

则将变量 a 的指针指向 XXX01，b 的指针指向 XXX02，使用内建函数 id() 输出可以看到此时 a 和 b 使用的内存地址不同

☞将 b 赋值给 c

b=2

c=b

则将变量 c 的指针也指向 XXX02 （b的内存地址），使用内建函数 id() 输出可以看到此时 b 和 c 使用了同一个内存地址

☞改变 b 的值

b-=1

b 的值变为 1，b 的指针指向 XXX01 （a 的内存地址），使用内建函数 id() 输出可以看到此时 a 和 b 使用了同一个内存地址

TIPS

当 XXX01 被初次创建并赋值给变量 b 时，它的引用计数被设置为1。当变量 b 赋值给变量 c 时，它的引用计数+1.

可变类型

当内存地址对应的value 值可以更改时即为 可变类型

列表，字典属于可变类型

如图中地址 XXX03 XXX04 指向 [1,2,3]，也可指向 [1,2,3,4] 或其他不同的值

☞创建变量

m= [1,2,3]

n= [1,2,3]

虽然 m n 的值相同，但 m 的指针指向 XXX03，n 的指针指向 XXX04，使用内建函数 id() 输出可以看到此时 m 和 n 使用的内存地址不同

☞将 n 赋值给 r

n= [1,2,3]

r=n

变量 r 的指针指向 XXX04 （n 的内存地址），使用内建函数 id() 输出可以看到此时 n 和 r 使用了同一个内存地址

☞改变 r 的值

r.append(4)

变量 r 的值变为 [1,2,3,4] 但是 n 的值也发生了改变，n 和 r 仍然指向的是 XXX04 的地址，也就是说 XXX04 对应的 value 值发生了变化

在实际应用中，我们经常会遇到从上游接口获取一个数据 a，将其赋值给 b，然后返回 c，但并不希望 b 在当前接口的变化影响 a，

如果获取的数据类型刚好是可变类型数据，如上述例子的列表，那么在对赋值后的列表处理时，原来的列表数据也对发生改变，显然是不符合我们的期望结果，python 做的还是很强大的，针对这种需求提供了copy 方法，导入后即可调用

import copy

n= [1,2]

r=copy.copy(n) // r=n[:]

变量 r 的指针指向另一个与 n 不同的内存地址，但两者的value 值相同，使用内建函数 id() 输出查看

☞改变 r 的值

r.append(3)

变量 r 的值变为 [1,2,3] ， n 的值保持不变，n 和 r 指向不同的内存地址

copy 方法有两种：copy.copy() | copy.deepcopy()，顾名思义，一个是浅拷贝，一个是深拷贝

浅拷贝 copy.copy()

Code 标记

import copy

n=[1,2,['a','b']]

r=copy.copy(n)

r.append(3)

r[2].append('c')

print id(n),n

print id(r),r

浅拷贝没有拷贝子对象 ['a','b']，所以该列表数据改变时的影响是全局的，与前述赋值引用相同

深拷贝 copy.deepcopy()

Code 标记

import copy

n=[1,2,['a','b']]

r=copy.deepcopy(n)

r.append(3)

r[2].append('c')

print id(n),n

print id(r),r

深拷贝同时拷贝了父子对象，所以数据改变时只影响拷贝后的数据