Python如何防止数据被修改Python中的深拷贝与浅拷贝的问题说明

描述

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。

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。

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:

In [1]: name = "laowang" # name对象In [2]: id(name)  # id:身份的唯一标识Out[2]: 1698668550104In [3]: type(name) # type:对象的类型,决定了该对象可以保存什么类型的值Out[3]: strIn [4]: name  # 对象的值,表示的数据Out[4]: 'laowang'

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。

In [7]: var1 = "python"In [8]: id(var1)Out[8]: 1700782038408#由于var1是不可变的,重新创建了java对象,随之id改变,旧对象python会在某个时刻被回收In [9]: var1 = "java"In [10]: id(var1) Out[10]: 1700767578296

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:

In [11]: age = 18In [12]: id(age)Out[12]: 1730306752In [13]: id(18)Out[13]: 1730306752

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?

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:

内存

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。

In [1]: a = 1In [2]: b = aIn [3]: id(a)Out[3]: 1730306496In [4]: id(b)Out[4]: 1730306496

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。

In [1]: a = 1In [2]: b = aIn [5]: a = 2In [6]: id(a)Out[6]: 1730306816In [7]: id(b)Out[7]: 1730306496

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:

内存

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。

In [3]: l1 = [1, 2, 3]In [4]: l2 = l1In [5]: id(l1)Out[5]: 1916633584008In [6]: id(l2)Out[6]: 1916633584008In [7]: l1[0] = 11In [8]: id(l1)Out[8]: 1916633584008In [9]: id(l2)Out[9]: 1916633584008

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。

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 。

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。

In [11]: import copyIn [12]: a = 10In [13]: b = copy.copy(a)In [14]: id(a)Out[14]: 1730306496In [15]: id(b)Out[15]: 1730306496

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。

In [24]: import copyIn [25]: l1 = [1, 2, 3]In [26]: l2 = copy.copy(l1)In [27]: id(l1)Out[27]: 1916631742088In [28]: id(l2)Out[28]: 1916636282952In [29]: l1[0] = 11In [30]: id(l1)Out[30]: 1916631742088In [31]: id(l2)Out[31]: 1916636282952

原理图如下:

内存

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。

In [35]: a = [1, 2]In [36]: l1 = [3, 4, a]In [37]: l2 = copy.copy(l1)In [38]: id(l1)Out[38]: 1916631704520In [39]: id(l2)Out[39]: 1916631713736In [40]: a[0] = 11In [41]: id(l1)Out[41]: 1916631704520In [42]: id(l2)Out[42]: 1916631713736In [43]: l1Out[43]: [3, 4, [11, 2]]In [44]: l2Out[44]: [3, 4, [11, 2]]

原理图如下:

内存

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。

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 copyl1 = [3, 4, a]In [47]: l2 = copy.deepcopy(li)In [48]: id(l1)Out[48]: 1916632194312In [49]: id(l2)Out[49]: 1916634281416In [50]: a[0] = 11In [51]: id(l1)Out[51]: 1916632194312In [52]: id(l2)Out[52]: 1916634281416In [54]: l1Out[54]: [3, 4, [11, 2]]In [55]: l2Out[55]: [[1, 2], 3, 4]

原理图如下:

内存

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。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分