python3-赋值与深浅拷贝（转载速查）

原链接：https://www.cnblogs.com/liushiyi/p/8195666.html

一、Python的变量及其存储

　　在高级语言中，变量是对内存及其地址的抽象。对于python而言，python的一切变量都是对象，变量的存储，采用了引用语义的方式，存储的只是一个变量的值所在的内存地址，而不是这个变量的本身。

　　引用语义：在python中，变量保存的是对象(值)的引用，我们称为引用语义。采用这种语义，变量所需的存储空间大小一致，因为变量只是保存了一个引用。也被称为对象语义和指针语义。

　　值语义：把变量的值直接保存在变量的存储区里，这种方式称为值语义。采用这种存储方式，每一个变量在内存中所占的空间就要根据变量实际的大小而定，无法固定下来。

二、各基本上数据结构的地址存储及改变情况

　　在python中的数据类型包括:bool、int、long、float、str、set、list、tuple、dict等等。这些数据类型可以分为简单数据类型和复杂数据类型。

　　简单数据类型和复杂数据类型的划分依据：如果一个数据类型，可以将其它的数据类型作为自己的元素，则可以认为这是一种数据结构。数据结构的分类有很多种，在Python中常用的只有集合、序列和映射三种结构。对应python中的set、list(tuple、str)、dict。常用的数据类型有int、long、float、bool、str等类型。

　　由于python中的变量都是采用的引用语义，数据结构可以包含基础数据类型，导致了在python中的数据存储方式存在下图所示的这种情况，每个变量中都存储了这个变量的地址，而不是值本身；对于复杂的数据结构来说。里面的存储也只是每个元素的地址而已。

　　1. 数据类型重新初始化对python语义引用的影响

　　变量的每一次初始化，都开辟了一个新的空间，将新内容的地址赋值给变量。

>>> test = 'hello world'
>>> id(test)
4363600816
>>> test = 'a new string' >>> id(test) 4363600880

　　2. 数据结构内部元素变化对python语义的影响

　　对于复杂的数据类型来说，改变其内部的值对于变量的影响：

>>> lst1 = [1,2,3,4,5]
>>> id(lst1)
4363600328
>>> lst1.append('new item') >>> id(lst1) 4363600328 >>> lst1[0] = 'test item' >>> id(lst1) 4363600328 >>> lst1 = [1,2,3,4] >>> id(lst1) 4363600264

　　当对列表中的元素进行一些增删改操作的时候，是不会影响到lst列表本身对于整个列表地址的，只会改变其内部元素的地址引用。可是当我们对于一个列表重新初始化(赋值)的时候，就给lst1这个变量重新赋予了一个地址，覆盖了原本列表的地址，这个时候，lst1列表的内存id就发生了改变。

三、变量的赋值

　　1. 简单数据类型的赋值

>>> str1 = 'hello world'
>>> str2 = str1
>>> id(str1)
4363601072
>>> id(str2) 4363601072 >>> str1 = 'nihao' >>> id(str1) 4363608112 >>> id(str2) 4363601072

　　看内存的变化，起始的赋值操作让str1和str2都存储了‘hello world’所在的地址，重新对str1初始化，是str1中存储的地址发生了改变，重新指向了新建的值，此时str2变量存储的内存地址并未改变，所以不受影响。

　　2. 复杂数据结构中赋值

>>> lst1 = [1,2,3,4]
>>> lst2 = lst1
>>> id(lst1)
4363600328
>>> id(lst2)
4363600328
>>> lst1[0] = 'test' >>> lst1 ['test', 2, 3, 4] >>> lst2 ['test', 2, 3, 4]

　　上述代码增加修改操作，但是并没有对lst2做出改变，结果lst1和lst2都发生了变化。

四、拷贝简述

　　上述内容讲述了变量赋值的过程。对于复杂的数据结构来说，赋值就等于完全共享了资源，一个值的改变会完全被另一个值共享。

　　然而有时候，我们偏偏需要将一份数据的原始内容保留一份，再去处理数据，这个时候使用赋值就不够明智了。python为这种需求提供了copy模块。提供了两种主要的copy方法，一种是普通的copy，另一种是deepcopy。我们称前者为浅拷贝，后者为深拷贝。

五、浅拷贝

　　浅拷贝:不管多么复杂的数据结构、浅拷贝都只会copy一层。

import copy

lst = ['str1', 'str2', 'str3', 'str4', 'str5'] sourceLst = ['str1', 'str2', 'str3', 'str4', 'str5', lst] copyLst = copy.copy(sourceLst) print('1.->sourceLst:', sourceLst) print('1.->copyLst:', copyLst) sourceLst.append('sourcestr') copyLst.append('copystr') print('2.->sourceLst:', sourceLst) print('2.->copyLst:', copyLst) sourceLst[0] = 'changestr' print('3.->sourceLst:', sourceLst) print('3.->copyLst:', copyLst) lst.append('testAppend') print('4.->sourceLst:', sourceLst) print('4.->copyLst:', copyLst)

　　上述代码执行会是下述结果：

1.->sourceLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5']] 1.->copyLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5']] 2.->sourceLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'sourcestr'] 2.->copyLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'copystr'] 3.->sourceLst: ['changestr', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'sourcestr'] 3.->copyLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5'], 'copystr'] 4.->sourceLst: ['changestr', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5', 'testAppend'], 'sourcestr'] 4.->copyLst: ['str1', 'str2', 'str3', 'str4', 'str5', ['str1', 'str2', 'str3', 'str4', 'str5', 'testAppend'], 'copystr']

　　上述代码中， sourceLst和copyLst中存储的都是地址，当独自修改各个list的时候，另一个不会改变。而当修改共有的lst元素的时候，sourceLst和copyLst都会发生改变，这种情况发生在字典套字典，列表套字典，字典套列表，列表套列表，以及各种复杂数据结构的嵌套中。

六、深拷贝

　　上述讲述了浅拷贝，而在实际情况中，我们希望复杂的数据结构之间完全copy，而他们之间又没有一毛钱关系。

　　为此，python引入了深拷贝的概念，我们可以使用copy模块中的deepcopy方法。深拷贝会完全复制原变量相关的所有数据，在内存中生成一套完全一样的内容，在这个过程中我们队这两个变量中的一个进行任意修改都不会影响其他变量。

　　浅拷贝的情况:

>>> lst1 = [1,2,3,4,[5,6,7,8]]
>>> lst2 = lst1 # 实际进行了一个浅拷贝
>>> id(lst2)
4363600648
>>> id(lst1)
4363600648
>>> lst1[0] = 100
>>> lst1
[100, 2, 3, 4, [5, 6, 7, 8]] >>> lst2 [100, 2, 3, 4, [5, 6, 7, 8]] >>> lst2[4][0] = 100 >>> lst1 [100, 2, 3, 4, [100, 6, 7, 8]]

　　深拷贝的情况：

>>> import copy
>>> lst1 = [1,2,3,4,[5,6,7,8]]
>>> lst2 = copy.deepcopy(lst1)
>>> id(lst1)
4363594504
>>> id(lst2) 4363593928 >>> lst1[0] = 100 >>> lst2 [1, 2, 3, 4, [5, 6, 7, 8]] >>> lst2[4][0]=100 >>> lst1 [100, 2, 3, 4, [5, 6, 7, 8]]

　　从上述代码中可以看出，进行深拷贝后，lst1和lst2的地址不一样，而且两个独自修改并不影响另一个的值，他俩现在一毛钱关系都没有。

　　深拷贝就是在内存中重新开辟一块空间，不管数据结构多么复杂，只要遇到可能发生改变的数据类型，就重新开辟一块内存空间把内容复制下来，知道最后一层，不再有复杂的数据类型，就保持其原引用，这样，不管数据结构多么复杂，数据之间的修改都不会相互影响。这就是深拷贝~