前言:
今天同学们对“net深复制与浅复制”大致比较重视,兄弟们都需要知道一些“net深复制与浅复制”的相关文章。那么小编同时在网络上汇集了一些对于“net深复制与浅复制””的相关知识,希望姐妹们能喜欢,看官们一起来学习一下吧!1. python list的深/浅拷贝
python 有一种常用数据类型:list,使用list时经常需要考虑一件事件,那就是:浅拷贝与深拷贝。
至于什么是深浅拷贝,先从一个示例代码来分析一下:
import copy# list 测试使用的源数据lists = [[1, 2, 3], 4, 5, 6]def low_copy(): # list 浅拷贝 low_list = copy.copy(lists) return list(low_list)def deep_copy(): # list 深拷贝 deep_list = copy.deepcopy(lists) return list(deep_list)if __name__ == "__main__": print("源 list:", lists) # 分别获取 浅拷贝、深拷贝 list对象 lists_c = low_copy() lists_d = deep_copy() print("浅拷贝 list:", lists_c) print("深拷贝 list:", lists_c) print("========================") # 对源数据的 第0下数据追加数值7 print("对源list的第0下数据追加数值7,start") lists[0].append(7) print("对源list的第0下数据追加数值7,end") print("========================") # 源数据的 第0下数据追加数值7 之后验证,深浅拷贝数据的变化 print("源 list:", lists) print("浅拷贝 list:", lists_c) print("深拷贝 list:", lists_d) # 执行结果 # # 源 list: [[1, 2, 3], 4, 5, 6] # 浅拷贝 list: [[1, 2, 3], 4, 5, 6] # 深拷贝 list: [[1, 2, 3], 4, 5, 6] # ======================== # 对源list的第0下数据追加数值7,start # 对源list的第0下数据追加数值7,end # ======================== # 源 list: [[1, 2, 3, 7], 4, 5, 6] # 浅拷贝 list: [[1, 2, 3, 7], 4, 5, 6] # 深拷贝 list: [[1, 2, 3], 4, 5, 6]
通过示例代码可以看出:在对list进行浅拷贝、深拷贝之后,对源数据进行修改,则会直接影响浅拷贝的数据,深拷贝的数据则无影响。
这说明了什么,具体又是怎么实现的呢?
2. pyhton list 的实现
首先,要说明几点:
python 底层源码使用C语言实现在 python 中一切皆对象(整数、字符串,甚至类型、函数等都是对象)
python的对象,大概分为以下几种:
参考
Fundamental 对象: 类型对象Numeric 对象: 数值对象Sequence 对象: 容纳其他对象的序列集合对象Mapping 对象: 类似 C++中的 map 的关联对象Internal 对象: Python 虚拟机在运行时内部使用的对象3. list 对象
在python的源码实现中,list的结构体如下:
// 源文件:Include/listobject.h// listobject.htypedefstruct { // 对象的公共头部 PyObject_VAR_HEAD // 指向 list 元素的指针向量,list[0] 就是 ob_item[0] // 可以看到 ob_item 是个二级指针 // 也就是说 **ob_item 表示它是指向 PyObject类型指针数组 指针 // *ob_item 表示它是 PyObject类型指针数组 /* Vector of pointers to list elements. list[0] is ob_item[0], etc. */ PyObject **ob_item; /* ob_item contains space for 'allocated' elements. The number * currently in use is ob_size. * Invariants: * 0 <= ob_size <= allocated * len(list) == ob_size * ob_item == NULL implies ob_size == allocated == 0 * list.sort() temporarily sets allocated to -1 to detect mutations. * * Items must normally not be NULL, except during construction when * the list is not yet visible outside the function that builds it. */ // list 容纳元素的总数 Py_ssize_t allocated;} PyListObject;
从 list 的结构体可以看出,真正存储对象的是 ob_item 字段,该字段是一个指向 指针数组 的指针,从而得知 PyListObject 结构体是一个多级结构体。
创建list的过程主要分为两个步骤:
创建 PyListObject 结构体对 ob_item 指向的指针数组进行初始化操作
// 源文件位置:Objects/listobject.c// 创建一个新的 listPyObject *PyList_New(Py_ssize_t size) { // 判断创建 list 时的 size 是否合法 if (size < 0) { PyErr_BadInternalCall(); returnNULL; } struct _Py_list_state *state = get_list_state(); // 最终创建的 list 对象指针 PyListObject *op;#ifdef Py_DEBUG // PyList_New() must not be called after _PyList_Fini() assert(state->numfree != -1);#endif if (state->numfree) { state->numfree--; op = state->free_list[state->numfree]; _Py_NewReference((PyObject *) op); } else { // 创建一个新的 list op = PyObject_GC_New(PyListObject, &PyList_Type); if (op == NULL) { returnNULL; } } if (size <= 0) { op->ob_item = NULL; } else { op->ob_item = (PyObject **) PyMem_Calloc(size, sizeof(PyObject *)); if (op->ob_item == NULL) { Py_DECREF(op); return PyErr_NoMemory(); } } Py_SET_SIZE(op, size); op->allocated = size; _PyObject_GC_TRACK(op); return (PyObject *) op;}4. list 浅拷贝
// 源文件位置:Objects/listobject.c/*[clinic input]list.copyReturn a shallow copy of the list.[clinic start generated code]*/// list 的 浅拷贝static PyObject *list_copy_impl(PyListObject *self)/*[clinic end generated code: output=ec6b72d6209d418e input=6453ab159e84771f]*/{ return list_slice(self, 0, Py_SIZE(self));}// ilow、ihigh 的类型 Py_ssize_t 为当前系统一个指针的大小static PyObject *list_slice(PyListObject *a, Py_ssize_t ilow, Py_ssize_t ihigh) { PyListObject *np; PyObject **src, **dest; Py_ssize_t i, len; len = ihigh - ilow; if (len <= 0) { return PyList_New(0); } // 生成新的 list np = (PyListObject *) list_new_prealloc(len); if (np == NULL) returnNULL; // 从 list 的第一个位置开始 a->ob_item 偏移 ilow,即:移动到 第 ilow 个数值元素的指针位置 src = a->ob_item + ilow; // 新的 list 的 数值列表第一个位置 dest = np->ob_item; // 进行复制,注意:只是复制了 对象的指针 for (i = 0; i < len; i++) { // src[i] 存储着 指向具体的对象的指针 PyObject *v = src[i]; // v 的引用计数 +1 Py_INCREF(v); // 复制到新的list中 // 此时 新老list底层数据对象指向相同 dest[i] = v; } // 设置新list的size // ob->ob_size = size Py_SET_SIZE(np, len); return (PyObject *) np;}
进行浅拷贝之后,从内存布局发生的变化,可以看出:新、老list共享底层数据对象,这也是导致一个list进行修改之后,影响其他list的原因。
5. list 深拷贝
进行深拷贝之后,从内存布局发生的变化,可以看出:新、老list分别使用不同的底层数据对象,这就不会导致一个list进行修改之后,影响其他list。
总结
通过分析python底层源码了解到list的底层结构以及深、浅拷贝原理,开发过程中使用深拷贝还是浅拷贝,则需要根据实际情况来处理。
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 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。扩展阅读
[1] 图解深浅拷贝
[2] python list 对象
标签: #net深复制与浅复制