图解Python中的浅拷贝和深拷贝
Python浅拷贝和深拷贝
最直观的理解就是：
1.深拷贝，拷贝的程度深，自己新开辟了一块内存，将被拷贝内容全部拷贝过来了；
2.浅拷贝，拷贝的程度浅，只拷贝原数据的首地址，然后通过原数据的首地址，去获取内容。
两者的优缺点对比
（1）深拷贝拷贝程度高，将原数据复制到新的内存空间中。改变拷贝后的内容不影响原数据内容。但是深拷贝耗时长，且占用内存空间。
（2）浅拷贝拷贝程度低，只复制原数据的地址。其实是将副本的地址指向原数据地址。修改副本内容，是通过当前地址指向原数据地址，去修改。所以修改副本内容会影响到原数据内容。但是浅拷贝耗时短，占用内存空间少。
浅拷贝
有一层数据类型，且数据类型时可变数据类型，例如：列表、字典
有一层数据类型，且数据类型时不可变数据类型，例如：元组、字符串
有两层数据类型，外层为可变数据类型，内层为可变数据类型
有两层数据类型，外层为可变数据类型，内层为不可变数据类型
有两层数据类型，外层为不可变数据类型，内层为不可变数据类型
有两层数据类型，外层为不可变数据类型，内层为可变数据类型
深拷贝
有一层数据类型，且数据类型时可变数据类型，例如：列表、字典
有一层数据类型，且数据类型时不可变数据类型，例如：元组、字符串
有两层数据类型，外层为可变数据类型，内层为可变数据类型
有两层数据类型，外层为可变数据类型，内层为不可变数据类型
有两层数据类型，外层为不可变数据类型，内层为不可变数据类型
有两层数据类型，外层为不可变数据类型，内层为可变数据类型
由实验结果总结得：
当内层为可变数据类型时，深拷贝后内层外层地址均发生改变。当内层为不可变数据类型时，外层不管是可变还是不可变数据类型，使用深拷贝，都不会改变内层地址，只会在外层为可变数据类型时，改变外层地址。
使用浅拷贝是只能在外层数据类型为可变数据类型时，才能改变外层地址。而内层地址，无论是否为可变数据类型还是不可变数据类型，使用浅拷贝都不会改变内层数据类型地址。
到此这篇关于图解Python中的浅拷贝和深拷贝的文章就介绍到这了,更多相关Python浅拷贝和深拷贝内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
每天都是浪漫七夕！这篇文章主要为大家详细介绍了python爱心表白，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-08-08
在日常编程工作中,有时我们需要将文件或数据自动保存到用户的桌面上以便于快速访问,在 Windows 操作系统中,可以通过多种方式来获取桌面路径,本文将详细介绍三种常用的方法,需要的朋友可以参考下2024-12-12
这篇文章主要介绍了Python利用ansible分发处理任务的相关资料,需要的朋友可以参考下2015-08-08
这篇文章主要介绍了numpy自动生成数组详解，具有一定借鉴价值，需要的朋友可以参考下。2017-12-12
在Python中,利用字典进行词频统计是一种常见且强大的方式,通过对文本进行预处理并使用字典数据结构,可以轻松地统计文本中每个单词出现的频率,下面将详细解释这个过程,并提供多种例子,以帮助你更好地理解并应用这一技术,需要的朋友可以参考下2023-12-12
在本篇文章里小编给大家分享了一篇关于python中delattr删除对象方法的代码分析内容，有兴趣的朋友们可以学习下。2020-12-12
今天试了试Python发邮件，突然想到能不能群发邮件呢？群发邮件是smtplib的一个bug，不过最终还是解决了2014-01-01
今天小编就为大家分享一篇Python的对象传递与Copy函数使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
本文主要介绍了Pandas实现groupby分组统计的实践，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-01-01
爬虫抓取的数据就像刚从泥坑里挖出来的土豆,表面沾满泥土（缺失值、重复值、异常值）,内部可能还有坏掉的部分（无效数据）,本文聚焦最让人头疼的缺失值问题,用Python的Pandas库演示如何像处理食材一样清洗数据,让脏数据变成可直接分析的净数据,需要的朋友可以参考下2025-10-10
最新评论