以dict为例谈谈深拷贝与浅拷贝

简介: 正式的Python专栏第30篇,同学站住,别错过这个从0开始的文章!

学委前面展示dict的概念和常用操作,谈到了一个shadow copy产生的新dict对象受到原dict对象影响。


这篇我们继续看看深拷贝,


深拷贝是什么?

我们拿字典的复制可以通过copy函数来实现,但是它是浅拷贝,也就是拷贝了但不完全拷贝


简单粗暴来说浅拷贝就是拷贝key,但是新字典的值还是沿用旧字典的值的引用(内存地址一样)。


与浅拷贝对比,深拷贝就是除了拷贝key,新字典的值不会沿用旧字典值的引用,而是创建类似的数据,引用分开!


也就是内存分配两个空间内串联起来的数据块,是可以做到毫无关联!


我们看看字典的深浅拷贝对比代码示例:


#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2021/11/6 11:25 下午
# @Author : LeiXueWei
# @CSDN/Juejin/Wechat: 雷学委
# @XueWeiTag: CodingDemo
# @File : thecopy.py
# @Project : hello
import copy  # 引入了copy模块,3.8自带的模块
info_dict = dict()
info_dict['name'] = 'LEI_XUE_WEI'  # 或者改为 'levin'
info_dict['blogs'] = '95'  # 目前发表了93个博客文字。
info_dict['gongzhong_hao'] = '【雷学委】'  # 欢迎过来关注支持
info_dict['meta-data'] = dict()
print('info_dict:', info_dict)
print("*" * 16)
# 浅拷贝//Shadow Copy: 全拷贝但不完全拷贝
shadow_copied_dict = info_dict.copy()  # 也可以使用: copy.copy(info_dict)
print("shadow_copied_dict :", shadow_copied_dict)
deepcopied_dict = copy.deepcopy(info_dict)
print("deepcopied_dict :", deepcopied_dict)
# 我们修改原始的dict
info_dict['meta-data']['date'] = '06 Nov 2021'
print('info_dict:', info_dict)
print('shadow_copied_dict:', shadow_copied_dict)  # 这里输出看到变化也传递给了 shadow_copied_dict
print('deepcopied_dict:', deepcopied_dict)  # 这里输出看到变化也传递给了 deepcopied_dict

效果如下:

image.png

从这里看,我们发现两个拷贝的字典,浅拷贝因为被拷贝的字典产生变更而更新了。


而深拷贝产生的deepcopied_dict对象则纹丝不动!


这里还得说一下copy模块。


稍微说说copy.deepcopy函数的原理

考虑到基础系列专栏,这一段会比较难以理解,我会再以后的文章更加细致讲。


这里只针对dict对象的拷贝做带过:


deepcopy内部通过_deepcopy_dispatch对象查找字典(dict)的拷贝器

拷贝器定义的拷贝方法遍历原字典对象

依次对key 和 value 进行深度拷贝

就这么简单,如果key和value还不是最简单的类型(比如int/float/str等),继续查找拷贝器,遍历进行拷贝,直到基础类型直接返回,然后回溯。


小白可以跳过这一段继续学习,先把基础熟练了。


总结

深拷贝和浅拷贝涉及的技术很多。


本篇只是介绍了怎么进行深拷贝(借用copy模块),也侧重于展示和使用介绍


如果不用怎么实现呢?


当然copy模块也给了我们一个参考答案,但这个背后涉及了pickle序列化反序列化还有内存管理等,不难但篇幅更长以后再说。



目录
相关文章
|
应用服务中间件 网络安全 nginx
快速上手!使用Docker和Nginx部署Web服务的完美指南
快速上手!使用Docker和Nginx部署Web服务的完美指南
overleaf 插入图片,引用图片,图标标题Fig与文章引用Figure不一致解决
overleaf 插入图片,引用图片,图标标题Fig与文章引用Figure不一致解决
12805 1
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
编码器-解码器架构详解:Transformer如何在PyTorch中工作
本文深入解析Transformer架构,结合论文与PyTorch源码,详解编码器、解码器、位置编码及多头注意力机制的设计原理与实现细节,助你掌握大模型核心基础。建议点赞收藏,干货满满。
2094 3
|
机器学习/深度学习 算法 计算机视觉
多目标跟踪算法(最近邻NN)(全局最近邻GNN)(概率数据关联PDA)(联合概率数据关联JPDA)的学习
多目标跟踪算法(最近邻NN)(全局最近邻GNN)(概率数据关联PDA)(联合概率数据关联JPDA)的学习
多目标跟踪算法(最近邻NN)(全局最近邻GNN)(概率数据关联PDA)(联合概率数据关联JPDA)的学习
|
网络安全 数据安全/隐私保护 C++
使用VS Code连接远程服务器
使用VS Code连接远程服务器
11040 0
使用VS Code连接远程服务器
|
算法 机器人
图解LeetCode——面试题13. 机器人的运动范围
图解LeetCode——面试题13. 机器人的运动范围
294 1
|
C++ Windows
dump解析入门-用VS解析dump文件进行排障
突然有一天部署在服务器的一个应用挂掉了,没办法只能进入服务器打开     【事件查看器】查看下,好不容易找到了打开后一脸懵逼       事件查看器查到的内容根本对我们排障没有任何作用。 在这个时候如果有对应的dump文件就能派上用场了, 只要有dump文件就能查到应用挂掉那刻的一手情报,可能有人认为分析dump文件是非常难的事情, 但是最近不断有新的dump分析工具出来,例如用vs2017就能够很简单的分析dump文件。
4060 0