python变量的引用赋值及深浅拷贝

1. python的变量

  python中的所有变量，实际存储的 都是真实数据在内存上的地址。这也很好解释了“python一切皆对象“，一切皆通过调用的方式达成目的。所有的变量其实都是内存地址的引用。

python变量 -> 内存地址

这里的id函数即为查看该对象在内存上的引用地址。

  根据引用方式的不同，python变量的类型可划分为两类：可变数据类型和不可变数据类型

• 可变数据类型：list，dict，set
• 不可变数据类型：int，float，str，tuple

1.1 可变数据类型

  可变数据类型在通过 = 赋值时，实质是传递的引用，也就是“=”右边数据的内存地址

  以上的例子中，a是一个list，即可变数据类型，当执行b = a，b和a共用同一个内存地址，如果在a上进行了修改的操作，a的内存地址不会发生改变；所对应的，因为这里的b所映射的数据，实质就是a所对应的数据，b会和a的数据保持一致。但是如果是对a进行重新赋值，即使是完全相同的元素，内存地址也会发生变化，如下图。

1.2 不可变数据类型

  而不可变数据在通过 = 传值时，实质也是传递的同一个内存地址，但若对该数据进行修改或重赋值，则会在内存的不同位置上新建对象。并且相同的值在内存中的位置是相同的。

  上例中的c为int，即不可变数据类型，执行d = c后，传递的同样为相同的内存地址，但是若对c进行了修改或重赋值，c所对应的内存地址也会随之变化。
并且在不可变数据中，完全相同的值永远只会映射到同一个内存地址。

2. 深浅拷贝

首先需要再说明一个新的对应关系。

2.1 内存地址以及实际存储数据之间的关系

内存地址以及实际存储数据之间的关系

从底层一点的角度去描述的话，两者的关系实质是在程序执行时：

• cpu中地址总线上所对应的某个地址以及cpu所调用的在数据存储器（一般为RAM）中的数据的关系。

简单来讲，就是一种映射关系，就像是

• python变量和内存地址之间的关系。

所以在python的数据引用或赋值的数据传递过程，其实是经历了3层的结构：

python变量 -> 内存地址 -> 数据存储器中对应的数据

2.2 若拷贝对象是可变数据类型

  若拷贝对象是可变数据类型，或包含可变数据类型，那么可变数据类型的这部分数据：

• 浅拷贝只会创建新的内存地址，而2个不同地址所指向的数据，是同一批数据；也就是2份不同的地址，同1份数据
• 深拷贝除了会新建内存地址，该新建的内存地址所指向的数据存储器中的数据，同样也是新建的；也就是2份不同地址，2份相同的数据
  
    如果通过上述还没理解到深浅拷贝，再举个例子：这里python变量和内存地址的关系，以及内存地址和所指向数据的关系，可以想象成是电脑中程序的快捷方式 及 程序的主执行程序 的关系。
    例如主程序其实是放在D盘某个目录中的，但是通过点击C盘桌面上的快捷方式，由于快捷方式和主程序之间存在映射链接关系，所以程序依然成功执行。
    那么对可变数据类型的浅拷贝，相当于就是又新建了一个快捷方式，即新建了内存地址，实际都是指向同一个路径中的主程序。
    而深拷贝，相当于是把主程序的整个目录在E盘复制粘贴了一份，且新建了一个快捷方式，并指向E盘中的主程序的路径。

2.3 若拷贝对象是不可变数据类型

  若拷贝对象是不可变数据类型，那就很简单了，浅拷贝和深拷贝的效果是一样的，可以回顾 1.2 不可变数据类型 中 “相同的值在内存中的位置是相同的” 这句话。

  按照 2.2 的梳理，浅拷贝是2份不同内存地址，同1份数据，那么因为相同的值在内存中的位置是相同的，即相同的不可变数据，在内存上只会有一份，所以内存地址也只有一份。因此这里只会产生1份内存地址，同1份数据；同理，深拷贝也只会产生1份内存地址，同1份数据。