深入了解python中的copy模块(浅复制和深复制)
主要是介绍python中的copy模块。
copy模块包括创建复合对象(包括列表、元组、字典和用户定义对象的实例)的深浅复制的函数。
########
copy(x)
########
创建新的复合对象并通过引用复制x的成员来创建x的浅复制。更加深层次说,
它复制了对象,但对于对象中的元素,依然使用引用。
对于内置类型,此函数并不经常使用。
而是使用诸如list(x), dict(x), set(x)等调用方式来创建x的浅复制,要知道像这样
直接使用类型名显然比使用copy()快很多。但是它们达到的效果是一样的。
还有一点就是对于那些不可修改的对象(string, 数字, 元组),因为你不用担心修改他们。复制不复制也就没有
什么大的意义了。
另外一点,你判断对象之间是否是拷贝,可以使用is运算符来确定。
a is b -> True a与b引用的是同一个对象,不是拷贝
-> False a与b是彼此拷贝对象
例如下面的例子,eg:
(1)
>>> a = [1,2,3]
>>> b = copy.copy(a)
>>> b
[1, 2, 3]
>>> a.append(4)
>>> a
[1, 2, 3, 4]
>>> b
[1, 2, 3]
>>> a is b
False
(2)
>>> a = [1,2,3]
>>> b = a
>>> b
[1, 2, 3]
>>> a.append(4)
>>> a
[1, 2, 3, 4]
>>> b
[1, 2, 3, 4]
>>> b.append(6)
>>> a, b
([1, 2, 3, 4, 6], [1, 2, 3, 4, 6])
(3)
>>> a = [1,2,3]
>>> b = list(a)
>>> b
[1, 2, 3]
>>> a.append(4)
>>> a
[1, 2, 3, 4]
>>> b
[1, 2, 3]
>>>
(4)
>>> a = [[1], ['a'], ['A']]
>>> b = copy.copy(a)
>>> print a, b
[[1], ['a'], ['A']] [[1], ['a'], ['A']]
>>> b[1].append('b')
>>> b
[[1], ['a', 'b'], ['A']]
>>> a
[[1], ['a', 'b'], ['A']]
>>> b.append([100,101])
>>> b
[[1], ['a', 'b'], ['A'], [100, 101]]
>>> a
[[1], ['a', 'b'], ['A']]
在(3)例子当中,我们可以看到a的浅复制对象b,它们是不同的对象,所以对对象的改变是不会
影响彼此的,但是这些a和b对象的元素是引用的同一个,所以a或者b更改了它的对象的元素就会影响到
另外一个的值。
如果你想完全的拷贝一个对象和一个对象的所有元素的值,只有使用下面的deepcopy()函数。
#######################
deepcopy(x[, visit])
#######################
通过创建新的复合对象并重复复制x的所有成员来创建x的深复制。
visit是一个可选的字典,目的是跟踪受访问的对象,从而检测和避免重复定义
的数据结构中的循环。
尽管通常情况下不需要,但是通过实现方法__copy__(self)和__deepcopy__(self, visit),
类就可以实现自定义的复制方法,这两个方法分别实现了浅复制和深复制操作。
__deepcopy__()方法必须使用字典visit,用来在复制过程中跟踪前面遇到的对象。对于
__deepcopy__()方法,除了将visit传到实现中包含的其他deepcopy()方法(如果有的话)之外,
没有必要在执行其他操作。
如果类实现了pickle模块所用的方法__getstate__()和__setstate__(),那么copy模块将使用
这些方法来创建副本。
,但是通过实现方法__copy__(self)和__deepcopy__(self, visit),
类就可以实现自定义的复制方法,这两个方法分别实现了浅复制和深复制操作。
__deepcopy__()方法必须使用字典visit,用来在复制过程中跟踪前面遇到的对象。对于
__deepcopy__()方法,除了将visit传到实现中包含的其他deepcopy()方法(如果有的话)之外,
没有必要在执行其他操作。
如果类实现了pickle模块所用的方法__getstate__()和__setstate__(),那么copy模块将使用
这些方法来创建副本。,但是通过实现方法__copy__(self)和__deepcopy__(self, visit),
类就可以实现自定义的复制方法,这两个方法分别实现了浅复制和深复制操作。
__deepcopy__()方法必须使用字典visit,用来在复制过程中跟踪前面遇到的对象。对于
__deepcopy__()方法,除了将visit传到实现中包含的其他deepcopy()方法(如果有的话)之外,
没有必要在执行其他操作。
如果类实现了pickle模块所用的方法__getstate__()和__setstate__(),那么copy模块将使用
这些方法来创建副本。
eg:
>>> a = [[1], ['a'], ['A']]
>>> import copy
>>> b = copy.deepcopy(a)
>>> b
[[1], ['a'], ['A']]
>>> c = copy.copy(a)
>>> c
[[1], ['a'], ['A']]
>>> a[1].append('b')
>>> a
[[1], ['a', 'b'], ['A']]
>>> b
[[1], ['a'], ['A']]
>>> c
[[1], ['a', 'b'], ['A']]
需要注意的是:
(1) copy模块用于像整数和字符串这样的简单类型,不过很少需要这么做。
(2) 这些复制函数无法与模块、类对象、函数、方法、回溯、栈帧、文件、套接字和其他类似类型同时工作。
如果不能复制对象,则会引发copy.error异常。
以上是深入了解python中的copy模块(浅复制和深复制)的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

要在有限的时间内最大化学习Python的效率,可以使用Python的datetime、time和schedule模块。1.datetime模块用于记录和规划学习时间。2.time模块帮助设置学习和休息时间。3.schedule模块自动化安排每周学习任务。

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。

每天学习Python两个小时是否足够?这取决于你的目标和学习方法。1)制定清晰的学习计划,2)选择合适的学习资源和方法,3)动手实践和复习巩固,可以在这段时间内逐步掌握Python的基本知识和高级功能。

Python和C 各有优势,选择应基于项目需求。1)Python适合快速开发和数据处理,因其简洁语法和动态类型。2)C 适用于高性能和系统编程,因其静态类型和手动内存管理。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。

Python在科学计算中的应用包括数据分析、机器学习、数值模拟和可视化。1.Numpy提供高效的多维数组和数学函数。2.SciPy扩展Numpy功能,提供优化和线性代数工具。3.Pandas用于数据处理和分析。4.Matplotlib用于生成各种图表和可视化结果。
