浅拷贝和深拷贝

在 Python 中，特别是涉及到对象和数据结构（如列表、字典、numpy 数组等）的赋值操作时，理解浅拷贝和深拷贝的区别是很重要的。

self.sd_mx = self.adj_mx.copy()

使用 self.adj_mx.copy() 而不是直接使用 self.adj_mx 是为了创建一个独立的副本（浅拷贝）以避免对原始数据进行不必要的修改。

解释

1. 直接赋值（引用传递）：

   • 如果你直接使用 self.adj_mx 来赋值 self.sd_mx：

     self.sd_mx = self.adj_mx

     这种情况下，self.sd_mx 和 self.adj_mx 都指向同一个对象。对 self.sd_mx 进行的任何修改都会反映在 self.adj_mx 上，反之亦然。这是因为它们共享同一个引用。

2. 浅拷贝：

   • 使用 self.adj_mx.copy() 会创建一个新的对象，self.sd_mx 是这个新对象的引用：

     self.sd_mx = self.adj_mx.copy()
     

     浅拷贝创建一个新的对象，但新对象中包含的元素仍然是原来对象中元素的引用。如果 self.adj_mx 是一个包含简单数据类型（如整数、浮点数）的 numpy 数组，那么 copy() 会创建一个独立的副本，并且修改 self.sd_mx 的数据不会影响 self.adj_mx。

示例说明

假设 self.adj_mx 是一个 numpy 数组：

import numpy as np

class Example:
    def __init__(self, adj_mx):
        self.adj_mx = adj_mx
        self.sd_mx = self.adj_mx.copy()

    def modify_sd_mx(self):
        self.sd_mx[0, 0] = 99

# 创建一个示例 numpy 数组
adj_mx = np.array([[1, 2], [3, 4]])

# 创建 Example 对象
example = Example(adj_mx)

# 修改 sd_mx
example.modify_sd_mx()

print("self.adj_mx:")
print(example.adj_mx)

print("self.sd_mx:")
print(example.sd_mx)

"""
# Output

self.adj_mx:
[[1 2]
 [3 4]]
self.sd_mx:
[[99  2]
 [ 3  4]]
"""

从输出可以看出，self.sd_mx 的修改没有影响 self.adj_mx，因为 self.sd_mx 是 self.adj_mx 的浅拷贝。

最后

使用 self.adj_mx.copy() 是为了确保 self.sd_mx 是一个独立的副本，这样在修改 self.sd_mx 时不会影响到 self.adj_mx。这通常是为了避免不必要的副作用和数据污染，确保数据的独立性和完整性。在处理复杂数据结构时，理解和正确使用浅拷贝和深拷贝是非常重要的。