Python可变对象和不可变对象 引用,赋值

Python中一切皆对象，每个对象都有其唯一的id，对应的类型和值，其中id指的是对象在内存中的位置。根据对象的值是否可修改分为可变对象和不可变对象。其中，

不可对象包括：数字，字符串，tuple，frozenset（不可变集合）

可变对象包括：list，dict，set

Python中的变量可以指向任意对象，可以将变量都看成是指针，保存了所指向对象的内存地址（对象的引用）。

不可变对象

对于不可变对象，如果要更新变量引用的不可变对象的值，会创建新的对象，改变对象的引用，举个例子

In [41]: x = 1

In [42]: y = x

In [43]: print(id(x))
140719461487648

In [44]: x = 2

In [45]: print(id(y))
140719461487648

In [46]: print(id(x))
140719461487680

In [47]: print(id(2))
140719461487680

上述是int类型的一个实例，可以看到

• 想要变量的值，会在内存中创建一个新的对象，变量指向新的对象。

• 对于值为1或者2，不管几个引用指向它，内存中都只占用了一个地址，在Python内部会通过引用计数来记录指向该地址的引用个数，当引用个数为0时会进行垃圾回收。

所以，不可变对象的优点是对于相同的对象，无论多少个引用，在内存中只占用一个地址，缺点是更新需要创建新的对象，因此效率不高。

可变对象

对于可变对象，举个例子

In [57]: a = [1, 2]

In [58]: b = a

In [59]: print(id(a), id(b))
1961088949320 1961088949320

In [60]: a.append(3)

In [61]: print(a, b)
[1, 2, 3] [1, 2, 3]

In [62]: print(id(a), id(b))
1961088949320 1961088949320

In [63]: a = [1, 2, 3]

In [64]: print(id(a))
1961088989704

可以看到

• 值的变化是在原有对象的基础上进行更新的，变量引用的地址没有变化
• 对于一个变量的两次赋值操作，值相同，但是引用的地址是不同的，也就是同样值的对象，在内存中是保存了多份的，地址是不同的

注意，我们研究可变对象的变化，研究的是同一对象，也就是可变指的是append， +=这种操作，而不包括新的赋值操作，赋值操作是会新建一个对象的。比如：

In [96]: a = [1, 2, 3]

In [97]: b = a

In [98]: a = [1]

In [99]: b
Out[99]: [1, 2, 3]

参数传递问题

因为可变对象和不可变对象的特性，因此在参数传递上需要注意

深拷贝和浅拷贝

In [69]: data = [{'name': 'a', 'deleted': True}, {'name' : 'b', 'deleted': False}, {'name': 'c', 'deleted': False}]

In [70]: print(data)
[{'name': 'a', 'deleted': True}, {'name': 'b', 'deleted': False}, {'name': 'c', 'deleted': False}]

In [71]: def add(data_list):
    ...:     for item in data_list:
    ...:         if item.get('deleted'):
    ...:             data_list.remove(item)
    ...:     return data_list
    ...:

In [72]: add_result = add(data)

In [73]: print(add_result)
[{'name': 'b', 'deleted': False}, {'name': 'c', 'deleted': False}]

In [74]: print(data)
[{'name': 'b', 'deleted': False}, {'name': 'c', 'deleted': False}]

你会发现调用了add方法之后，data已经变了，在之后的代码中你已经无法再使用原来的data了，具体的原因在参数传递那个问题中我有说明。

但是，当你希望在add方法中并不会修改data的值，要怎么做呢？

这时候，你需要了解下深拷贝和浅拷贝

深拷贝和浅拷贝的概念：

• 浅拷贝（shallow copy）：构造一个新的对象并将原对象中的引用插入到新对象中，只拷贝了对象的地址，而不对对应地址所指向的具体内容进行拷贝，也就是依然使用原对象的引用。实现方式包括：工厂函数（list, set等）、切片，copy模块的copy方法。

• 深拷贝（deep copy）：复制了对象的和引用，深拷贝得到的对象和原对象是相互独立的。实现方式：copy模块的deepcopy方法。

所以，上述代码可按需更新为：

def add(data_list):
    ret_data_list = deepcopy(data_list)
    for item in ret_data_list:
        if item.get('deleted'):
            ret_data_list.remove(item)
    return ret_data_list

变量测试的一个demo

def get_dict(dict1):
    # dict1["a3"] = 4
    for k,v in dict1.items():
        # dict1 = {
        #     "b1":4,
        #     "b2":5
        # }
        dict1 = v
        # dict2 = dict1
        # dict2["a2"]=4
        print(v)

dict1 = {
    "a1":2,
    "a2":3
}

get_dict(dict1)
print(dict1)
`