python内存挂_浅谈Python对内存的使用（深浅拷贝）

本文主要研究的是Python对内存的使用(深浅拷贝)的相关问题，具体介绍如下。

浅拷贝就是对引用的拷贝(只拷贝父对象)

深拷贝就是对对象的资源的拷贝

>>> a=[1,2,3,'a','b']

>>> b=a

>>> b

[1, 2, 3, 'a', 'b']

>>> a

[1, 2, 3, 'a', 'b']

>>> id(a)

3021737547592

>>> id(b)

3021737547592

>>> a.append('c')

>>> a

[1, 2, 3, 'a', 'b', 'c']

>>> b

[1, 2, 3, 'a', 'b', 'c']

>>> b.append(4)

>>> b

[1, 2, 3, 'a', 'b', 'c', 4]

>>> a

[1, 2, 3, 'a', 'b', 'c', 4]

从以上操作可以看出：将a赋值给b后，a和b的地址是一样的，无论那个发生变化，另一个都会跟着变化，始终保持相同。

>>> import copy

>>> a=[1,2,3,['a','b','c']]

>>> b=a

>>> c=copy.copy(a)

>>> b

[1, 2, 3, ['a', 'b', 'c']]

>>> c

[1, 2, 3, ['a', 'b', 'c']]

>>> id(a)

3021737548104

>>> id(b)

3021737548104

>>> id(c)

3021737494536 #浅拷贝父对象的地址不一样

>>> a.append('d')

>>> a

[1, 2, 3, ['a', 'b', 'c'], 'd']

>>> b

[1, 2, 3, ['a', 'b', 'c'], 'd']

>>> c

[1, 2, 3, ['a', 'b', 'c']] #a和c的地址不一样，因此a变化，c不变化

>>> id(a[0])

1686357680

>>> id(c[0])

1686357680

>>> id(a[3])

3021737547528

>>> id(c[3])

3021737547528 #整个父对象所占的空间不一样，但相同的内层数据的所占空间一样

>>> a[3].append('d')

>>> a

[1, 2, 3, ['a', 'b', 'c', 'd'], 'd']

>>> c

[1, 2, 3, ['a', 'b', 'c', 'd']]#因为内层数据所占空间一样，所以a变化，c跟着变化

以上就是浅拷贝：整个父对象的地址不一样，内层数据的地址相同，操作内层数据的话，一同变化；操作对象为父对象时，拷贝对象不跟着变化。

>>> a

[1, 2, 3, ['a', 'b', 'c', 'd'], 'd']

>>> d=copy.deepcopy(a)

>>> d

[1, 2, 3, ['a', 'b', 'c', 'd'], 'd']

>>> id(a)

3021737548104

>>> id(d)

3021737547656 #深拷贝父对象的地址不一样

>>> a.append('e')

>>> a

[1, 2, 3, ['a', 'b', 'c', 'd'], 'd', 'e']

>>> d

[1, 2, 3, ['a', 'b', 'c', 'd'], 'd']#a和d的地址不一样，因此a变化，d不变化

>>> id(a[0])

1686357680

>>> id(d[0])

1686357680

>>> id(a[3])

3021737547528

>>> id(d[3])

3021737493256 #内层数据的地址不一样

>>> a[3].append('x')

>>> a

[1, 2, 3, ['a', 'b', 'c', 'd', 'x'], 'd', 'e']

>>> d

[1, 2, 3, ['a', 'b', 'c', 'd'], 'd']

以上是深拷贝。

区别：

浅拷贝与原对象的内层数据地址相同；

深拷贝完全独立开来，与原对象没有任何联系。

总结

以上就是本文关于浅谈Python对内存的使用(深浅拷贝)的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！

本文标题: 浅谈Python对内存的使用(深浅拷贝)

本文地址: http://www.cppcns.com/jiaoben/python/217956.html