直接赋值: 对象的引用,也就是给对象起别名
浅拷贝: 拷贝父对象，但是不会拷贝对象的内部的子对象。
深拷贝: 拷贝父对象. 以及其内部的子对象
在之前的文章中,提到可变对象和不可变对象,接下来也是以这两者的区别进行展开
直接赋值
对于可变对象和不可变对象,将一个变量直接赋值给另外一个变量,两者 id 值一致,其实本质上是将变量量绑定到对象的过程.
> a=1 > b=a > id(a) == id(b) True > c="string" > d=c > id(c) == id(d) True > e=[1,2,3] > f=e > id(e)==id(f) True
关于修改新变量的值,对原有变量会产生的影响,在可变对象和不可变对象 中也做了讲述,这里通过几个例子,重新温习一下
不可变对象
> x=1 > y=x > id(x)==id(y) True > id(1)==id(y) True id(x) 1500143776 > y=y+1 > y 2 > x 1 > id(x)==id(y) False > id(y) 1500143808 > id(x) 1500143776
对于不可变对象,修改赋值后的新变量,不会对原有变量造成任何影响.为什么出现这种现象呢"text-align: center">
可变对象
> m=[1,2,3] > n=m > id(n)==id(m) True > id(m) 1772066764488 > id(n[0]) 1772066764656 > n[0]=4 > n [4, 2, 3] > m [4, 2, 3] > id(n)==id(m) True > id(m) 1772066764488
对于可变对象,修改赋值后的变量,会对原有的变量造成影响,会导致其 value 值的改变,但是其id 值保持不变
从上图不难看出,这个时候的 id(n[0]) 的值,和未修改前的 id值应该不一样,可以输出看一下
>id(n[0]) 1772066764752 # 最初没有修改前是 1772066764656
n[0] 修改前后为什么 id 值出现改变呢"text-align: center">
从上图不难看出,浅拷贝后,新复合对象包含的对象(可变或者不可变)的 id 值和原有对象包含的对象的 id 值相同
看一下具体例子:
> import copy > a=[1,2,[3,4]] > b=copy.copy(a) > id(b[0])==id(a[0]) True > id(b[2])==id(a[2]) True > id(b[2][0])==id(a[2][0]) True
现在让我们试着修改一下浅拷贝后的 b 的值,在修改前，可以先思考一下，如果修改 b[0] 可能会发生什么？
由于 b[0] = 1，很显然 1 属于不可变对象，那么根据对不可变变量修改的规则，则 b[0] 会绑定到新的变量上，而 a[0] 的由于没有修改，则保持不变，真的是这样吗？让我们验证一下
> b[0]=5 > b [5, 2, [3, 4]] > a [1, 2, [3, 4]]
接下来我们要尝试修改一下 b[2]，由于 b[2] 绑定的对象是 list，属于可变对象，按照上面说的可变对象修改的规则，则修改后的 b[2] 的 id 值保持不变，但是其 value 值会发生改变. 同样的让我们通过例子验证一下
> id(b[2]) 4300618568 > b[2][0]=6 > id(b[2]) 4300618568 > b [5, 2, [6, 4]] > a [1, 2, [6, 4]]
由于 b[2] 和 a[2] 绑定同一个可变对象，很显然对 b[2] 的修改同样会映射到 a[2] 上
深拷贝
深拷贝构建一个复合对象,然后递归的将原有复合包含的对象的副本插入到新的复合对象中
若上图所示,深拷贝后,新的复合对象包含的对象,若对象为不可变对象,则 id 值保持不变,若对象为可变对象,则 id 值发生改变
看一个例子:
> import copy > a=[1,2,[3,4]] > b=copy.deepcopy(a) > id(b[0])==id(a[0]) True > id(b[2])==id(a[0]) False > id(b[2][0])==id(a[2][0]) True
接下来让我们修改一下变量 b，这里就不在修改不可变对象 b[0] 和 b[1] 了,因为结果很明显，对 a 不会产生任何影响，我们来修改 b[2]，那么修改 b[2] 会对 a[2] 产生影响吗？很明显答案是不会，因为深拷贝就相当于克隆出了一个全新的个体，两者不再有任何关系
> b[2][0]=5 > b [1, 2, [5, 4]] > a [1, 2, [3, 4]]
以上就是详解Python直接赋值,深拷贝和浅拷贝的详细内容，更多关于Python直接赋值,深拷贝和浅拷贝的资料请关注其它相关文章！