一文了解Python深拷貝與淺拷貝問題
在平時工作中,經常涉及到資料的傳遞,在資料傳遞使用過程中,可能會發生資料被修改的問題。為了防止資料被修改,就需要在傳遞一個副本,即使副本被修改,也不會影響原資料的使用。為了生成這個副本,就產生了拷貝。今天就說一下Python中的深拷貝與淺拷貝的問題。
概念普及:物件、可變型別、引用
資料拷貝會涉及到Python中物件、可變型別、引用這3個概念,先來看看這幾個概念,只有明白了他們才能更好的理解深拷貝與淺拷貝到底是怎麼一回事。
Python物件
在Python中,對物件有一種很通俗的說法,萬物皆物件。說的就是構造的任何資料型別都是一個物件,無論是數字,字串,還是函式,甚至是模組,Python都對當做物件處理。
所有Python物件都擁有三個屬性:身份、型別、值。
看一個簡單的例子:
In [1]: name = "laowang" # name物件 In [2]: id(name) # id:身份的唯一標識 Out[2]: 1698668550104 In [3]: type(name) # type:物件的型別,決定了該物件可以儲存什麼型別的值 Out[3]: str In [4]: name # 物件的值,表示的資料 Out[4]: 'laowang'
可變與不可變物件
在Python中,按更新物件的方式,可以將物件分為2大類:可變物件與不可變物件。
- 可變物件: 列表、字典、集合
- 所謂可變是指可變物件的值可變,身份是不變的。
- 不可變物件:數字、字串、元組
- 不可變物件就是物件的身份和值都不可變。新建立的物件被關聯到原來的變數名,舊物件被丟棄,垃圾回收器會在適當的時機回收這些物件。
In [7]: var1 = "python" In [8]: id(var1) Out[8]: 1700782038408 #由於var1是不可變的,重新建立了java物件,隨之id改變,舊物件python會在某個時刻被回收 In [9]: var1 = "java" In [10]: id(var1) Out[10]: 1700767578296
引用
在 Python 程式中,每個物件都會在記憶體中申請開闢一塊空間來儲存該物件,該物件在記憶體中所在位置的地址被稱為引用。在開發程式時,所定義的變數名實際就物件的地址引用。
引用實際就是記憶體中的一個數字地址編號,在使用物件時,只要知道這個物件的地址,就可以操作這個物件,但是因為這個數字地址不方便在開發時使用和記憶,所以使用變數名的形式來代替物件的數字地址。 在 Python 中,變數就是地址的一種表示形式,並不開闢開闢儲存空間。
就像 IP 地址,在訪問網站時,實際都是通過 IP 地址來確定主機,而 IP 地址不方便記憶,所以使用域名來代替 IP 地址,在使用域名訪問網站時,域名被解析成 IP 地址來使用。
通過一個例子來說明變數和變數指向的引用就是一個東西
In [11]: age = 18 In [12]: id(age) Out[12]: 1730306752 In [13]: id(18) Out[13]: 1730306752
逐步深入:引用賦值
上邊已經明白,引用就是物件在記憶體中的數字地址編號,變數就是方便對引用的表示而出現的,變數指向的就是此引用。賦值的本質就是讓多個變數同時引用同一個物件的地址。 那麼在對資料修改時會發生什麼問題呢?
- 不可變物件的引用賦值
- 對不可變物件賦值,實際就是在記憶體中開闢一片空間指向新的物件,原不可變物件不會被修改。
原理圖如下:
下面通過案例來理解一下:
a與b在記憶體中都是指向1的引用,所以a、b的引用是相同的
In [1]: a = 1 In [2]: b = a In [3]: id(a) Out[3]: 1730306496 In [4]: id(b) Out[4]: 1730306496
現在再給a重新賦值,看看會發生什麼變化?
從下面不難看出:當給a 賦新的物件時,將指向現在的引用,不在指向舊的物件引用。
In [1]: a = 1 In [2]: b = a In [5]: a = 2 In [6]: id(a) Out[6]: 1730306816 In [7]: id(b) Out[7]: 1730306496
- 可變物件的引用賦值
- 可變物件儲存的並不是真正的物件資料,而是物件的引用。當對可變物件進行賦值時,只是將可變物件中儲存的引用指向了新的物件。
原理圖如下:
仍然通過一個例項來體會一下,可變物件引用賦值的過程。
當改變l1時,整個列表的引用會指新的物件,但是l1與l2都是指向儲存的同一個列表的引用,所以引用地址不會變。
In [3]: l1 = [1, 2, 3] In [4]: l2 = l1 In [5]: id(l1) Out[5]: 1916633584008 In [6]: id(l2) Out[6]: 1916633584008 In [7]: l1[0] = 11 In [8]: id(l1) Out[8]: 1916633584008 In [9]: id(l2) Out[9]: 1916633584008
主旨詳解:淺拷貝、深拷貝
經過前2部分的解讀,大家對物件的引用賦值應該有了一個清晰的認識了。
下面大家思考一個這樣的問題:Python中如何解決原始資料在函式傳遞之後不受影響了?
這個問題Python已經幫我們解決了,使用物件的拷貝或者深拷貝就可以愉快的解決了。
下面具體來看看Python中的淺拷貝與深拷貝是如何實現的。
- 淺拷貝:
為了解決函式傳遞後被修改的問題,就需要拷貝一份副本,將副本傳遞給函式使用,就算是副本被修改,也不會影響原始資料 。
不可變物件的拷貝
不可變物件只在修改的時候才會在記憶體中開闢新的空間, 而拷貝實際上是讓多個物件同時指向一個引用,和物件的賦值沒區別。
同樣的,通過一個例項來感受一下:不難看出,a與b指向相同的引用,不可變物件的拷貝就是物件賦值。
In [11]: import copy In [12]: a = 10 In [13]: b = copy.copy(a) In [14]: id(a) Out[14]: 1730306496 In [15]: id(b) Out[15]: 1730306496
可變物件的拷貝
對於不可變物件的拷貝,物件的引用並沒有發生變化,那麼可變物件的拷貝會不會和不可變物件一樣了?我們接著往下看。
通過下面這個例項可以看出:可變物件的拷貝,會在記憶體中開闢一個新的空間來儲存拷貝的資料。當再改變之前的物件時,對拷貝之後的物件沒有任何影響。
In [24]: import copy In [25]: l1 = [1, 2, 3] In [26]: l2 = copy.copy(l1) In [27]: id(l1) Out[27]: 1916631742088 In [28]: id(l2) Out[28]: 1916636282952 In [29]: l1[0] = 11 In [30]: id(l1) Out[30]: 1916631742088 In [31]: id(l2) Out[31]: 1916636282952
原理圖如下:
現在再回到剛才那個問題,是不是淺拷貝就可以解決原始資料在函式傳遞之後不變的問題了?下面看一個稍微複雜一點的資料結構。
通過下面這個例項可以發現:複雜物件在拷貝時,並沒有解決資料在傳遞之後,資料改變的問題。 出現這種原因,是copy() 函式在拷貝物件時,只是將指定物件中的所有引用拷貝了一份,如果這些引用當中包含了一個可變物件的話,那麼資料還是會被改變。 這種拷貝方式,稱為淺拷貝。
In [35]: a = [1, 2] In [36]: l1 = [3, 4, a] In [37]: l2 = copy.copy(l1) In [38]: id(l1) Out[38]: 1916631704520 In [39]: id(l2) Out[39]: 1916631713736 In [40]: a[0] = 11 In [41]: id(l1) Out[41]: 1916631704520 In [42]: id(l2) Out[42]: 1916631713736 In [43]: l1 Out[43]: [3, 4, [11, 2]] In [44]: l2 Out[44]: [3, 4, [11, 2]]
原理圖如下:
對於上邊這種狀況,Python還提供了另一種拷貝方式(深拷貝)來解決。
- 深拷貝
區別於淺拷貝只拷貝頂層引用,深拷貝會逐層進行拷貝,直到拷貝的所有引用都是不可變引用為止。
接下來我們看看,要是將上邊的拷貝例項用使用深拷貝的話,原始資料改變的問題還會不會存在了?
下面的例項清楚的告訴我們:之前的問題就可以完美解決了。
import copy l1 = [3, 4, a] In [47]: l2 = copy.deepcopy(li) In [48]: id(l1) Out[48]: 1916632194312 In [49]: id(l2) Out[49]: 1916634281416 In [50]: a[0] = 11 In [51]: id(l1) Out[51]: 1916632194312 In [52]: id(l2) Out[52]: 1916634281416 In [54]: l1 Out[54]: [3, 4, [11, 2]] In [55]: l2 Out[55]: [1, 2, 3]
原理圖如下:
查漏補缺
為什麼Python預設的拷貝方式是淺拷貝?
- 時間角度:淺拷貝花費時間更少
- 空間角度:淺拷貝花費記憶體更少
- 效率角度:淺拷貝只拷貝頂層資料,一般情況下比深拷貝效率高。
本文知識點總結:
- 不可變物件在賦值時會開闢新空間
- 可變物件在賦值時,修改一個的值,另一個也會發生改變
- 深、淺拷貝對不可變物件拷貝時,不開闢新空間,相當於賦值操作
- 淺拷貝在拷貝時,只拷貝第一層中的引用,如果元素是可變物件,並且被修改,那麼拷貝的物件也會發生變化
- 深拷貝在拷貝時,會逐層進行拷貝,直到所有的引用都是不可變物件為止。
- Python 中有多種方式實現淺拷貝,copy模組的copy 函式 ,物件的 copy 函式 ,工廠方法,切片等。
- 大多數情況下,編寫程式時,都是使用淺拷貝,除非有特定的需求
- 淺拷貝的優點:拷貝速度快,佔用空間少,拷貝效率高