浅拷贝的时候，修改原来的对象，深拷贝的对象不会发生改变。

对象的赋值

对象的赋值实际上是对象之间的引用：当创建一个对象，然后将这个对象赋值给另外一个变量的时候，python并没有拷贝这个对象，而只是拷贝了这个对象的引用。

aList = ["kel","abc",123]
print(aList, id(aList))
bList = aListbList.append("add")print(aList, id(aList))
print(bList, id(bList))

(['kel', 'abc', 123], 139637569314688)
(['kel', 'abc', 123, 'add'], 139637569314688)
(['kel', 'abc', 123, 'add'], 139637569314688)

同样 numpy 下的数据结构与数据类型的转换（np.array vs. np.asarray）

np.array() 是深拷贝，np.asarray() 是浅拷贝

两者主要的区别在于，array（默认）复制一份对象，asarray不会执行这一动作。

def asarray(a, dtype=None, order=None):return array(a, dtype, copy=False, order=order)

示例一

import numpy as np  arr1=np.ones((3,3))
arr2=np.array(arr1)
arr3=np.asarray(arr1)
print(arr2 is arr1)
print(arr3 is arr1)
print('arr1:',arr1, id(arr1))
print('arr2:',arr2, id(arr2))
print('arr3:',arr3, id(arr3))

False
True
('arr1:', array([[ 1.,  1.,  1.],[ 1.,  1.,  1.],[ 1.,  1.,  1.]]), 139637569303856)
('arr2:', array([[ 1.,  1.,  1.],[ 1.,  1.,  1.],[ 1.,  1.,  1.]]), 139637569303776)
('arr3:', array([[ 1.,  1.,  1.],[ 1.,  1.,  1.],[ 1.,  1.,  1.]]), 139637569303856)

示例二

import numpy as np  arr1=np.ones((3,3))
arr2=np.array(arr1)
arr3=np.asarray(arr1)
arr1[1]=2
print('arr1:',arr1, id(arr1))
print('arr2:',arr2, id(arr2))
print('arr3:',arr3, id(arr3))

('arr1:', array([[ 1.,  1.,  1.],[ 2.,  2.,  2.],[ 1.,  1.,  1.]]), 139637569303296)
('arr2:', array([[ 1.,  1.,  1.],[ 1.,  1.,  1.],[ 1.,  1.,  1.]]), 139637569303376)
('arr3:', array([[ 1.,  1.,  1.],[ 2.,  2.,  2.],[ 1.,  1.,  1.]]), 139637569303296)

对象的复制

当你想修改一个对象，而且让原始的对象不受影响的时候，那么就需要使用到对象的复制，对象的复制可以通过三种方法实现：

a、 使用切片操作进行拷贝--slice operation
b、 使用工厂函数进行拷贝，list/dir/set--factoryfunction
c、 copy.copy（）--use copymodule

在复制的时候，使用的是浅拷贝，复制了对象，但是对象中的元素，依然使用引用。

person = ["name",["savings",100.00]]
hubby = person[:] #切片操作
wifey = list(person) #使用工厂函数[id(x) for x in person,hubby,wifey]
print("The person is:", person, id(person))
print("The hubby is:", hubby, id(hubby))
print("The wifey is:", wifey, id(wifey))

('The person is:', ['name', ['savings', 100.0]], 139637569566984)
('The hubby is:', ['name', ['savings', 100.0]], 139637569544848)
('The wifey is:', ['name', ['savings', 100.0]], 139637569405656)

print("The person inside is:", [id(x) for x in person])
print("The hubby inside is:", [id(x) for x in hubby])
print("The wifey inside is:", [id(x) for x in wifey])

('The person inside is:', [139639860076144, 139637569544344])
('The hubby inside is:', [139639860076144, 139637569544344])
('The wifey inside is:', [139639860076144, 139637569544344])

hubby[0] = "kel"
wifey[0] = "jane"
hubby[1][1] = 50.0
print("The person is:", person, id(person))
print("The hubby is:", hubby, id(hubby))
print("The wifey is:", wifey, id(wifey))

('The person is:', ['name', ['savings', 50.0]], 139637570044992)
('The hubby is:', ['kel', ['savings', 50.0]], 139637569460344)
('The wifey is:', ['jane', ['savings', 50.0]], 139637569406160)

print("The person inside is:", [id(x) for x in person])
print("The hubby inside is:", [id(x) for x in hubby])
print("The wifey inside is:", [id(x) for x in wifey])

('The person inside is:', [139639860076144, 139637569810016])
('The hubby inside is:', [139637569356104, 139637569810016])
('The wifey inside is:', [139637569378272, 139637569810016])

在使用浅拷贝的时候，发现引用的id都是相同的，但是字符串的id却发生了变化，是因为在python中，字符串是不可变的，从而在每次进行修改的时候，都是新建一个对象，从而引用发生了变化。

copy模块

浅拷贝和深拷贝的操作都可以在copy模块中找到，其实copy模块中只有两个函数可用，copy（）进行浅拷贝操作，而deepcopy（）进行深拷贝操作

#1
import copy
aList = [1,"kel",[1,2,3]]
print("The aList is:", aList, id(aList))shadeList = copy.copy(aList)
print("The shadeList is:", shadeList, id(shadeList))deepList = copy.deepcopy(aList)
print("The deepList is:", deepList, id(deepList))aList[2].append("kel")print("The aList is:", aList, id(aList))print("The shadeList is:", shadeList, id(shadeList))print("The deepList is:", deepList, id(deepList))

('The aList is:', [1, 'kel', [1, 2, 3]], 139639722291712)
('The shadeList is:', [1, 'kel', [1, 2, 3]], 139639722170344)
('The deepList is:', [1, 'kel', [1, 2, 3]], 139637569586096)
('The aList is:', [1, 'kel', [1, 2, 3, 'kel']], 139639722291712)
('The shadeList is:', [1, 'kel', [1, 2, 3, 'kel']], 139639722170344)
('The deepList is:', [1, 'kel', [1, 2, 3]], 139637569586096)

#2
import copy
aList = [1,"kel",[1,2,3]]
print("The aList is:", aList, id(aList))shadeList = copy.copy(aList)
print("The shadeList is:", shadeList, id(shadeList))deepList = copy.deepcopy(aList)
print("The deepList is:", deepList, id(deepList))shadeList[2].append("kel")print("The aList is:", aList, id(aList))print("The shadeList is:", shadeList, id(shadeList))print("The deepList is:", deepList, id(deepList))

('The aList is:', [1, 'kel', [1, 2, 3]], 139637569846448)
('The shadeList is:', [1, 'kel', [1, 2, 3]], 139637569406520)
('The deepList is:', [1, 'kel', [1, 2, 3]], 139637569407240)
('The aList is:', [1, 'kel', [1, 2, 3, 'kel']], 139637569846448)
('The shadeList is:', [1, 'kel', [1, 2, 3, 'kel']], 139637569406520)
('The deepList is:', [1, 'kel', [1, 2, 3]], 139637569407240)

#3
import copy
aList = [1,"kel",[1,2,3]]
print("The aList is:", aList, id(aList))shadeList = copy.copy(aList)
print("The shadeList is:", shadeList, id(shadeList))deepList = copy.deepcopy(aList)
print("The deepList is:", deepList, id(deepList))deepList[2].append("kel")
print("The deepList is:", deepList, id(deepList))print("The aList is:", aList, id(aList))print("The shadeList is:", shadeList, id(shadeList))

('The aList is:', [1, 'kel', [1, 2, 3]], 139637569460776)
('The shadeList is:', [1, 'kel', [1, 2, 3]], 139637569461496)
('The deepList is:', [1, 'kel', [1, 2, 3]], 139637569585592)
('The deepList is:', [1, 'kel', [1, 2, 3, 'kel']], 139637569585592)
('The aList is:', [1, 'kel', [1, 2, 3]], 139637569460776)
('The shadeList is:', [1, 'kel', [1, 2, 3]], 139637569461496)

参考文献

numpy 下的数据结构与数据类型的转换（np.array vs. np.asarray）

numpy中array和asarray的区别

python中的深拷贝与浅拷贝

python中的深拷贝与浅拷贝相关推荐

python怎么避免浅拷贝_详谈Python中的深拷贝和浅拷贝
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,就需要在传递一个副本,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. ...
python中关于深拷贝和浅拷贝的详解
python中关于深拷贝和浅拷贝的详解概述在python的语法中,有两种变量的拷贝方式一种是深拷贝,一种是浅拷贝我们先说深拷贝语法这里需要通过导入系统的copy模块中的deepcopy才可 ...
python深浅拷贝的底层理解_理解python中的深拷贝与浅拷贝
python中浅拷贝和深拷贝的区别如下: 1. copy.copy 等价于切片[:] 浅拷贝只拷贝父对象,不会拷贝对象的内部的子对象.2个列表是不同的,但是子列表指向的仍然是同一个地址 2. co ...
python中深拷贝和浅拷贝_**Python中的深拷贝和浅拷贝详解
甚至连type其本身都是对象,type对象 Python中变量与C/C++/Java中不同,它是指对象的引用,Python是动态类型,程序运行时候,会根据对象的类型来确认变量到底是什么类型. 单独赋 ...
关于python中的深拷贝和浅拷贝的总结
可变对象和不可变对象了解深拷贝和浅拷贝之前你得先知道什么时可变对象什么是不可变对象传送门深拷贝和浅拷贝拷贝不可变对象时 import copy a = 1 b = copy.copy(a) c = ...
python中的引用、浅拷贝和深拷贝
在python中,有一句话:"一切皆为对象,一切皆为对象的引用",所以只要记住这句话就很容易清楚python中的引用.浅拷贝和深拷贝了. 1. 引用 python中的引用是经常使 ...
vb.net中递归退到最外层_面试题被问到再也不慌，深究JavaScript中的深拷贝与浅拷贝...
" 点个关注,养成习惯,带你python爬虫的过程中学习前端 " JavaScript中的深拷贝和浅拷贝是前端面试中频繁被问到的一道题, 于是我也自己去查阅了一些资料, 然后动手敲 ...
C语言中的深拷贝和浅拷贝
http://www.cnblogs.com/zhanggaofeng/p/5421804.html C语言中的深拷贝和浅拷贝 //C语言中的深拷贝和浅拷贝 #define _CRT_SECURE_N ...
js中的深拷贝和浅拷贝区别
js中的深拷贝和浅拷贝与值传递和引用传递有着些许的关联,都是根据堆栈中数据的储存来传递数据. 下面主要说一下我对深拷贝和浅拷贝的理解: 简单举个例子来说明:当我们声明一个a变量并且赋值,并且让b等于a ...

python中的深拷贝与浅拷贝

同样 numpy 下的数据结构与数据类型的转换（np.array vs. np.asarray）

np.array() 是深拷贝，np.asarray() 是浅拷贝

示例一

示例二

python中的深拷贝与浅拷贝相关推荐

最新文章

热门文章