直接赋值会出现以下情况:
>>>a = [1, 2, 3]
>>>b = a
>>>print b
[1, 2, 3]
>>> a[0] = 0
>>> print b
[0, 2, 3]
解释:[1, 2, 3] 被视作一个对象,a,b 均为这个对象的引用,因此,改变 a[0],b 也随之改变
- 列表深拷贝和浅拷贝
浅拷贝
>>> import copy
>>> a = [1, 2, 3, [5, 6]]
>>> b = copy.copy(a)
>>> print b
[1, 2, 3, [5, 6]]
>>> a[3].append('c')
>>> print b
[1, 2, 3, [5, 6, 'c']]
深拷贝
>>> a = [1, 2, 3, [5, 6]]
>>> b = copy.deepcopy(a)
>>> a[3].append('c')
>>> print b
[1, 2, 3, [5, 6]]
拷贝即是开辟一块新的内存空间,把被拷贝对象中的值复制过去。而浅拷贝并没有为子对象 [5,6] 开辟一块新的内存空间,而仅仅是实现对 a 中 [5,6] 的引用。所以改变 a 中 [5,6] 的值,b 中的值也会发生变化。 深拷贝则是为子对象也开辟了一块新空间。所以改变 a 中 [5, 6] 的值,并不影响 b
- 数组切片问题
数组赋值不能用切片来达到相同的目的
>>> import numpy as np
>>> a = np.array([1, 2 ,3])
>>> b = a[:]
>>> a[0] = 5
>>> print a, b
[5 2 3] [5 2 3]
如上,虽然用切片,但不能达到修改 a 而不影响 b 的目的。说明 a , b 仍然指向同一块内存。
- 此时,只能用拷贝
>>> b = a.copy() >>> a[0] = 5 >>> print a, b [5 2 3] [1 2 3]
此时修改 a 不会影响到 b 。其中的原因以后进一步深究。
注意,列表的拷贝是copy.copy(obj)
或copy.deepcopy(obj)
数组的拷贝是obj.copy()