理解python可变类型vs不可变类型，深拷贝vs浅拷贝

核心提示：

可变类型 Vs 不可变类型

可变类型（mutable）：列表，字典

不可变类型（unmutable）：数字，字符串，元组

这里的可变不可变，是指内存中的那块内容（value）是否可以被改变

代码：

name1='wupeiqi'
name2=name1
print("name1:%s\nname2:%s" %(name1,name2))
name1='alex'
print("I have assigned new value to name1.Let's see what happens to name2!")
print("name1:%s\nname2:%s" %(name1,name2))

执行结果：

C:/Personal/OldboyPython/day01/test.py
name1:wupeiqi
name2:wupeiqi
I have renamed name1 to new_name.Let's see what happens!
name1:alex
name2:wupeiqi

疑问：为什么name2的值没有和name1一起变为alex？下面开始解答，先看图，后解释。

以下引用自http://www.cnblogs.com/wupeiqi/articles/5433925.html

变量的赋值

#!/usr/bin/env python
# -*- coding: utf-8 -*-

name1 = "wupeiqi"
name2 = "alex"

 

#!/usr/bin/env python
# -*- coding: utf-8 -*-

name1 = "wupeiqi"
name2 = name1     # 使name2和name1指向同一个对象 赋值，只是创建一个变量，该变量指向原来内存地址，

 以上引用自http://www.cnblogs.com/wupeiqi/articles/5433925.html

 

1.引用计数的增减

当对象wupeiqi（图中蓝色的内存区块wupeiqi）被初次创建并（将其引用）赋值给变量name1时，对象wupeiqi的引用计数被设置为1。

当对象alex（图中蓝色的内存区块alex）被初次创建并（将其引用）赋值给变量name2时，对象alex的引用计数被设置为1。

当变量name1赋值给变量name2（name2=name1），实际是把对象wupeiqi赋值给name2，因此对象wupeiqi的引用计数自动加1，而对象alex的引用计数自动减1，即减为0，触发垃圾回收机制。

2. 可变类型 Vs 不可变类型

可变类型（mutable）：列表，字典

不可变类型（unmutable）：数字，字符串，元组

这里的可变不可变，是指内存中的那块内容（value）是否可以被改变。如果是不可变类型，在对对象本身操作的时候，必须在内存中新申请一块区域(因为老区域#不可变#)。如果是可变类型，对对象操作的时候，不需要再在其他地方申请内存，只需要在此对象后面连续申请(+/-)即可，也就是它的address会保持不变，但区域会变长或者变短。

可以使用内建函数id()来确认对象的身份在两次赋值前后是否发生了变化。示例可参看http://blog.chinaunix.net/uid-26249349-id-3080279.html

*不可变类型有什么好处？如果数据是不可变类型，当我们把数据传给一个不了解的API时，可以确保我们的数据不会被修改。如果我们要操作一个从函数返回的元组，可以通过内建函数list()把它转换成一个列表。（当被问到列表和元组的区别时，可以说这一点！）

3. 深拷贝 Vs 浅拷贝

copy.copy() 浅拷贝

copy.deepcopy() 深拷贝

浅拷贝是新创建了一个跟原对象一样的类型，但是其内容是对原对象元素的引用。这个拷贝的对象本身是新的，但内容不是。拷贝序列类型对象（列表\元组）时，默认是浅拷贝。

以下引用自http://www.cnblogs.com/wupeiqi/articles/5433925.html

赋值，只是创建一个变量，该变量指向原来内存地址，如下例：

n4 = n3 = n2 = n1 = "123/'Wu'"

关于赋值，再看一个字典的例子:

n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
n2 = n1

浅拷贝，在内存中只额外创建第一层数据，如下图

import copy
n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
n3 = copy.copy(n1)

深拷贝，在内存中将所有的数据重新创建一份（排除最后一层，即：python内部对字符串和数字的优化），如下图：

import copy
n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
n4 = copy.deepcopy(n1)