一、概念解读

1.1、Python对象

1.2、可变与不可变对象

1.3、引用

二、逐步深入：引用赋值

2.1、不可变对象的引用赋值

三、主旨详解：浅拷贝、深拷贝

3.1、浅拷贝

3.1.1、不可变对象的拷贝

3.1.2、可变对象的拷贝

3.2、深拷贝

四、查漏补缺

在平时工作中，经常涉及到数据的传递。在数据传递使用过程中，可能会发生数据被修改的问题。为了防止数据被修改，就需要再传递一个副本，即使副本被修改，也不会影响原数据的使用。为了生成这个副本，就产生了拷贝——今天就说一下Python中的深拷贝与浅拷贝的问题。

一、概念解读

数据拷贝会涉及到Python中对象、可变类型、引用这3个概念，先来看看这几个概念，只有明白了它们才能更好地理解拷贝到底是怎么一回事。

1.1、Python对象

在Python中，对对象有一种很通俗的说法，万物皆对象。说的就是构造的任何数据类型都是一个对象，无论是数字、字符串、还是函数，甚至是模块、Python都对当做对象处理。

所有Python对象都拥有三个属性：身份、类型、值。

看一个简单的例子：

name = 'python'                     # name对象
print('ID:', id(name))              # id：身份的唯一标识
print('Type:', type(name))          # type:对象的类型，决定了该对象可以保存什么类型的值
print('Value:', name)               # 对象的值，表示的数据

结果输出：

1.2、可变与不可变对象

在Python中，按更新对象的方式，可以将对象分为2大类：可变对象与不可变对象。

可变对象： 列表、字典、集合。所谓可变是指可变对象的值可变，身份是不变的。
不可变对象：数字、字符串、元组。不可变对象就是对象的身份和值都不可变。新创建的对象被关联到原来的变量名，旧对象被丢弃，垃圾回收器会在适当的时机回收这些对象。

val1 = 'python'
print('ID of val1 --> L1:', id(val1))# 由于val1是不可变的，重新创建java对象，随之id改变，旧对象python会在某个时刻被回收
val1 = 'java'
print('ID of val1 --> L2:', id(val1))

1.3、引用

在Python程序中，每个对象都会在内存中申请开辟一块空间来保存该对象，该对象在内存中所在位置的地址被称为引用。在开发程序时，所定义的变量名实际就对象的地址引用。

引用实际就是内存中的一个数字地址编号，在使用对象时，只要知道这个对象的地址，就可以操作这个对象，但是因为这个数字地址不方便在开发时使用和记忆，所以使用变量名的形式来代替对象的数字地址。在Python中，变量就是地址的一种表示形式，并不开辟开辟存储空间。

就像 IP 地址，在访问网站时，实际都是通过 IP 地址来确定主机，而 IP 地址不方便记忆，所以使用域名来代替 IP 地址，在使用域名访问网站时，域名被解析成 IP 地址来使用。

通过一个例子来说明变量和变量指向的引用就是一个东西：

age = 18
print('ID of age:\t', id(age))
print('ID of 18:\t', id(18))

二、逐步深入：引用赋值

上边已经明白，引用就是对象在内存中的数字地址编号，变量就是方便对引用的表示而出现的，变量指向的就是此引用。赋值的本质就是让多个变量同时引用同一个对象的地址。

那么在对数据修改时会发生什么问题呢？

2.1、不可变对象的引用赋值

对不可变对象赋值，实际就是在内存中开辟一片空间指向新的对象，原不可变对象不会被修改。原理图如下：

下面通过案例来理解一下：

a与b在内存中都是指向1的引用，所以a、b的引用是相同的。

a = 1
b = a
print('ID of a:', id(a))
print('ID of b:', id(b))

现在再给a重新赋值，看看会发生什么变化？从下面不难看出：当给a赋新的对象时，将指向现在的引用，不在指向旧的对象引用。

a = 1
b = a
a = 2
print('ID of a:', id(a))
print('ID of 2:', id(2))
print('ID of b:', id(b))
print('ID of 1:', id(1))

2.2、可变对象的引用赋值

可变对象保存的并不是真正的对象数据，而是对象的引用。当对可变对象进行赋值时，只是将可变对象中保存的引用指向了新的对象。原理图如下：

仍然通过一个实例来体会一下，可变对象引用赋值的过程：当改变l1时，整个列表的引用会指新的对象，但是l1与l2都是指向保存的同一个列表的引用，所以引用地址不会变。

l1 = [1, 2, 3]
l2 = l1
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
l1[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))

三、主旨详解：浅拷贝、深拷贝

经过前2部分的解读，大家对对象的引用赋值应该有了一个清晰的认识了。那么Python中如何解决原始数据在函数传递之后不受影响？这个问题Python已经帮我们解决了，使用对象的拷贝或者深拷贝就可以愉快解决了。

下面具体来看看Python中的浅拷贝与深拷贝是如何实现的。

3.1、浅拷贝

为了解决函数传递后被修改的问题，就需要拷贝一份副本，将副本传递给函数使用，就算是副本被修改，也不会影响原始数据。

3.1.1、不可变对象的拷贝

不可变对象只在修改的时候才会在内存中开辟新的空间，而拷贝实际上是让多个对象同时指向一个引用，和对象的赋值没区别。

同样的，通过一个实例来感受一下：不难看出，a与b指向相同的引用，不可变对象的拷贝就是对象赋值。

import copya = 10
b = copy.copy(a)
print('ID of a:', id(a))
print('ID of b:', id(b))

3.1.2、可变对象的拷贝

对于不可变对象的拷贝，对象的引用并没有发生变化，那么可变对象的拷贝会不会和不可变对象一样了？我们接着往下看。

通过下面的实例能看出：可变对象的拷贝会在内存中开辟一个新的空间来保存拷贝的数据。当再改变之前的对象时，对拷贝之后的对象没有任何影响。

import copyl1 = [1, 2, 3]
l2 = copy.copy(l1)
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
l1[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))
print('l1:', l1)
print('l2:', l2)

原理图如下：

现在再回到刚才那个问题，是不是浅拷贝就可以解决原始数据在函数传递之后不变的问题了？下面看一个稍微复杂一点的数据结构。

通过下面这个实例可以发现：复杂对象在拷贝时，并没有解决数据在传递之后，数据改变的问题。出现这种原因，是copy() 函数在拷贝对象时只是将指定对象中的所有引用拷贝了一份，如果这些引用当中包含了一个可变对象的话，那么数据还是会被改变。这种拷贝方式，称为浅拷贝。

import copy
a = [1, 2]
l1 = [3, 4, a]
l2 = copy.copy(l1)
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
a[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))
print('l1:', l1)
print('l2:', l2)

原理图如下：

对于上边这种状况，Python还提供了另一种拷贝方式（深拷贝）来解决。

3.2、深拷贝

区别于浅拷贝只拷贝顶层引用，深拷贝会逐层进行拷贝，直到拷贝的所有引用都是不可变引用为止。

接下来我们看看，要是将上边的拷贝实例用使用深拷贝的话，原始数据改变的问题还会不会存在了？

下面的实例清楚地告诉我们：之前的问题就可以完美解决了。

import copy
a = [1, 2]
l1 = [3, 4, a]
l2 = copy.deepcopy(l1)
print('ID of l1 --> Level1:', id(l1))
print('ID of l2 --> Level1:', id(l2))
a[0] = 11
print('ID of l1 --> Level2:', id(l1))
print('ID of l2 --> Level2:', id(l2))
print('l1:', l1)
print('l2:', l2)

原理图如下：

四、查漏补缺

为什么Python默认的拷贝方式是浅拷贝？

时间角度：浅拷贝花费时间更少；
空间角度：浅拷贝花费内存更少；
效率角度：浅拷贝只拷贝顶层数据，一般情况下比深拷贝效率高。

本文知识点总结：

不可变对象在赋值时会开辟新空间；
可变对象在赋值时，修改一个的值，另一个也会发生改变；
深、浅拷贝对不可变对象拷贝时，不开辟新空间，相当于赋值操作；
浅拷贝在拷贝时，只拷贝第一层中的引用，如果元素是可变对象，并且被修改，那么拷贝的对象也会发生变化；
深拷贝在拷贝时会逐层进行拷贝，直到所有的引用都是不可变对象为止；
Python中有多种方式实现浅拷贝，copy模块的copy函数、对象的copy函数、工厂方法、切片等；
大多数情况下，编写程序时都是使用浅拷贝，除非有特定的需求；
浅拷贝的优点：拷贝速度快，占用空间少，拷贝效率高。

【注】：本文转载自微信公众号《马哥Linux运维》20190328期《Python程序员如何防止数据被修改》，本文作者PayneLi，运营个人公众号 Python全家桶。向作者致敬！

Python浅拷贝、深拷贝与防止数据被篡改相关推荐

python浅拷贝深拷贝
Python 变量对象引用 1.变量变量第一次赋值时被创建,变量在使用前必须赋值变量本身没有类型,变量类型为它引用的对象类型: 变量在使用时被替换成它引用的对象 2.对象对象本身具有计数和类 ...
python浅拷贝深拷贝
copy_list=list[:] 得到的是浅拷贝,即只能顶层拷贝,里面的嵌套不会复制一份. a = [0, [1, 2], 3] b = a[:] a[0] = 8 a[1][1] = 9 请问现 ...
python 实例对象浅拷贝_Python3 入门教程——浅拷贝深拷贝差别
前言在 Python 中提供了一个用于拷贝操作的 copy 模块,该模块中提供浅拷贝和深拷贝两种操作,其中: 浅拷贝:只是将对象管理地址进行打包复制,其内部的元素的并未进行复制,而是使用旧的 ...
Interview：算法岗位面试—10.11下午—上海某公司算法岗位(偏机器学习，互联网数字行业)技术面试考点之XGBoost的特点、python的可变不可变的数据类型、赋值浅拷贝深拷贝区别
ML岗位面试:10.11下午-上海某公司算法岗位(偏机器学习,互联网数字行业)技术面试考点之XGBoost的特点.python的可变不可变的数据类型.赋值浅拷贝深拷贝区别 Interview:算法岗位 ...
Python 浅拷贝和深拷贝 - Python零基础入门教程
目录一.Python 浅拷贝和深拷贝前言二.Python 普通的变量赋值三.Python 浅拷贝和深拷贝 1.Python 浅拷贝 copy 2.Python 深拷贝 deepcopy 3.Py ...
Python中深拷贝与浅拷贝的区别？
往期面试题: 列举Python中的标准异常类? 说说Python面向对象三大特性? 说说Python中有几种数据类型? 说说Python模块主要分哪三类? 废话不多说,开始今天的题目: 问:说说Pyt ...
Python浅拷贝与深拷贝
Python浅拷贝与深拷贝 Python中拷贝 Python中的赋值号=并不是真正的拷贝,这仅仅是一个引用.参照这篇博客 .必要的时候,我们需要复制值,而不是使用引用.Python中有两种方式:浅拷贝 ...
【从零学Python】深拷贝和浅拷贝、二维数组初始化
Python 的深拷贝和浅拷贝直接赋值: 其实就是对象的引用(别名). 浅拷贝(copy): 拷贝父对象,不会拷贝对象的内部的子对象. 深拷贝(deepcopy): copy 模块的 deepcop ...
python中深拷贝与浅拷贝的区别
####################python中的数据类型####################### ##########python中的数据类型有6种,分别为:数字类型如int,float ...

Python浅拷贝、深拷贝与防止数据被篡改

一、概念解读

1.1、Python对象

1.2、可变与不可变对象

1.3、引用

二、逐步深入：引用赋值

2.1、不可变对象的引用赋值

三、主旨详解：浅拷贝、深拷贝

3.1、浅拷贝

3.1.1、不可变对象的拷贝

3.1.2、可变对象的拷贝

3.2、深拷贝

四、查漏补缺

Python浅拷贝、深拷贝与防止数据被篡改相关推荐

最新文章

热门文章