一.深拷贝与浅拷贝
理解 Python 中的深拷贝(deep copy)和浅拷贝(shallow copy)是非常重要的,特别是在处理嵌套结构的数据时。让我们深入探讨这两个概念,并通过代码示例进行说明。
1. 浅拷贝(Shallow Copy):
浅拷贝创建一个新的对象,但是这个新对象中的子对象是原始对象中子对象的引用。换句话说,只拷贝了对象的第一层结构,而深层嵌套的对象则共享引用。
import copy # 原始列表 original_list = [[1, 2, 3], [4, 5, 6]] # 浅拷贝 shallow_copy = copy.copy(original_list) # 修改原始列表的子列表 original_list[0][0] = 100 print("Original List:", original_list) print("Shallow Copy:", shallow_copy)
输出结果为:
Original List: [[100, 2, 3], [4, 5, 6]] Shallow Copy: [[100, 2, 3], [4, 5, 6]]
在这个例子中,虽然我们只修改了原始列表的子列表,但是浅拷贝的结果也受到了影响,因为浅拷贝只复制了第一层结构,而子列表仍然是原始对象中子列表的引用。
2. 深拷贝(Deep Copy):
深拷贝创建一个完全独立的新对象,包括对象中的所有子对象。无论有多少层嵌套,都会被完整复制,而不是共享引用。
import copy # 原始列表 original_list = [[1, 2, 3], [4, 5, 6]] # 深拷贝 deep_copy = copy.deepcopy(original_list) # 修改原始列表的子列表 original_list[0][0] = 100 print("Original List:", original_list) print("Deep Copy:", deep_copy)
输出结果为:
Original List: [[100, 2, 3], [4, 5, 6]] Deep Copy: [[1, 2, 3], [4, 5, 6]]
在这个例子中,深拷贝创建了一个独立的新对象,即使修改了原始列表的子列表,深拷贝的结果也不受影响。
总结:
- 浅拷贝只复制对象的第一层结构,深拷贝复制了对象的所有层级结构。
- 浅拷贝会共享引用,而深拷贝则创建完全独立的新对象。
- 使用
copy
模块的copy()
函数进行浅拷贝,使用copy.deepcopy()
函数进行深拷贝。
何时使用浅拷贝和深拷贝?
- 使用浅拷贝当你只关心顶层结构,而不关心嵌套对象的修改是否会影响原始对象。
- 使用深拷贝当你需要创建一个原始对象的完整独立副本,以便修改副本不影响原始对象。
二.可变对象与不可变对象
在Python中,对象可以分为可变对象(mutable objects)和不可变对象(immutable objects)。这两种对象类型在内存中的行为有着重要的差异,理解它们对于编写高效的Python代码至关重要。
不可变对象(Immutable Objects):
不可变对象指的是在创建后无法修改其值或状态的对象。每次对不可变对象进行修改时,实际上是创建了一个新的对象。Python中的不可变对象包括但不限于以下几种:
- 整数(int)
- 浮点数(float)
- 复数(complex)
- 字符串(str)
- 元组(tuple)
特点:
- 不可变对象的值或状态在创建后不可修改。
- 每次对不可变对象进行修改时,都会创建一个新的对象。
# 示例:不可变对象 a = 10 # 整数是不可变对象 b = a # b指向a所指向的对象(10) a = 20 # 创建新的对象20,并让a指向新对象 print(a) # 输出 20 print(b) # 输出 10,b仍然指向原始对象10
可变对象(Mutable Objects):
可变对象是在创建后可以修改其值或状态的对象。对可变对象的修改不会创建新的对象,而是直接在原始对象上进行操作。Python中的可变对象包括但不限于以下几种:
- 列表(list)
- 字典(dict)
- 集合(set)
- 用户自定义的类(class)
特点:
- 可变对象的值或状态可以在创建后被修改。
- 对可变对象的修改会直接影响原始对象,不会创建新的对象。
# 示例:可变对象 list_a = [1, 2, 3] # 列表是可变对象 list_b = list_a # list_b指向list_a所指向的对象([1, 2, 3]) list_a.append(4) # 直接修改list_a所指向的对象,不创建新的对象 print(list_a) # 输出 [1, 2, 3, 4] print(list_b) # 输出 [1, 2, 3, 4],list_b指向的对象也被修改了
三.字典深拷贝示例
下面是一个完整的示例,演示了如何进行深拷贝一个包含复杂结构的Python字典
import copy # 原始字典 original_dict = { 'name': 'John', 'age': 30, 'address': { 'city': 'New York', 'zipcode': '10001' }, 'emails': ['john@example.com', 'john.doe@example.com'] } # 执行深拷贝 deep_copy_dict = copy.deepcopy(original_dict) # 修改原始字典中的某些值 original_dict['name'] = 'Jane' original_dict['address']['city'] = 'Los Angeles' original_dict['emails'].append('jane@example.com') # 打印原始字典和深拷贝后的字典 print("Original Dictionary:") print(original_dict) print("\nDeep Copied Dictionary:") print(deep_copy_dict)
输出结果:
Original Dictionary: {'name': 'Jane', 'age': 30, 'address': {'city': 'Los Angeles', 'zipcode': '10001'}, 'emails': ['john@example.com', 'john.doe@example.com', 'jane@example.com']} Deep Copied Dictionary: {'name': 'John', 'age': 30, 'address': {'city': 'New York', 'zipcode': '10001'}, 'emails': ['john@example.com', 'john.doe@example.com']}
解释:
- 我们首先定义了一个包含复杂结构的原始字典
original_dict
,其中包括字符串、整数、嵌套字典和列表。 - 使用
copy.deepcopy()
函数对原始字典进行深拷贝,得到了一个完全独立的新字典deep_copy_dict
。 - 修改原始字典中的一些值,包括姓名、地址和电子邮件列表。
- 打印原始字典和深拷贝后的字典,可以看到原始字典的修改不会影响深拷贝后的字典。