


Menghiris Senarai dalam Python: Mengekalkan Integriti Objek
Walaupun nampaknya logik untuk menganggap bahawa menghiris senarai dalam Python mencipta salinan mengandungi objek, itu sebenarnya tidak berlaku. Sebaliknya, menghiris hanya menghasilkan senarai baharu yang merujuk kepada objek asas yang sama. Pengiktirafan ini memainkan peranan penting dalam memahami mekanisme penghirisan senarai Python.
Ketidakbolehubah dalam Tindakan
Pertimbangkan senarai integer:
[1000 + 1, 1000 + 1, 1000 + 1]
Walaupun mempunyai nilai yang sama, objek ini adalah entiti yang berbeza dengan ID unik, seperti yang dibuktikan oleh perkara berikut:
map(id, [1000 + 1, 1000 + 1, 1000 + 1])
Menghiris senarai ini mengekalkan integriti rujukan ini:
b = [1000 + 1, 1000 + 1, 1000 + 1][1:3] map(id, b)
Output kedua-dua operasi peta adalah sama, mengesahkan bahawa hirisan tidak menjana salinan baharu integer.
Objek Boleh Berubah Berkelakuan Sama
Tingkah laku serupa diperhatikan dengan objek boleh ubah seperti kamus atau senarai:
a = [{0: 'zero', 1: 'one'}, ['foo', 'bar']] map(id, a[1:])
Kepingan masih mengekalkan rujukan asal, menunjukkan bahawa penghirisan ialah operasi bukan penyalinan.
Kelebihan Penyalinan< ;/h3>
Walaupun menghiris tidak melibatkan penyalinan objek itu sendiri, ia menyalin rujukan. Setiap rujukan menduduki 8 bait pada mesin 64-bit, dan setiap senarai mempunyai tambahan 72 bait overhed:
for i in range(len(a)): x = a[:i] print('len: {}'.format(len(x))) print('size: {}'.format(sys.getsizeof(x)))
Walau bagaimanapun, overhed ini secara amnya bukan kebimbangan yang ketara untuk kebanyakan aplikasi.
Alternatif: Views
Walaupun Python tidak mempunyai sokongan langsung untuk paparan, pilihan alternatif seperti tatasusunan numpy boleh digunakan untuk mencapai pengoptimuman memori. Menghiris tatasusunan numpy mencipta pandangan yang berkongsi memori dengan asal, mengurangkan overhed tetapi memperkenalkan potensi untuk pengubahsuaian yang tidak diingini.
Ringkasnya, menghiris senarai dalam Python mengekalkan rujukan kepada objek yang terkandung, mengelakkan operazioni penyalinan yang mahal. Mekanisme ini memudahkan penyelenggaraan kod dengan memastikan kepingan mencerminkan perubahan yang dibuat pada senarai asal. Walaupun overhed memori adalah pertimbangan, ia biasanya bukan kebimbangan utama untuk kebanyakan aplikasi praktikal.
Atas ialah kandungan terperinci Adakah Penghirisan Senarai Python Mencipta Salinan Objek?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Memuatkan Fail Pickle di Python 3.6 Kesalahan Laporan Alam Sekitar: ModulenotFoundError: Nomodulenamed ...

Bagaimana untuk menyelesaikan masalah segmentasi kata Jieba dalam analisis komen tempat yang indah? Semasa kami mengadakan komen dan analisis tempat yang indah, kami sering menggunakan alat segmentasi perkataan jieba untuk memproses teks ...


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Dreamweaver CS6
Alat pembangunan web visual

SecLists
SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

PhpStorm versi Mac
Alat pembangunan bersepadu PHP profesional terkini (2018.2.1).

ZendStudio 13.5.1 Mac
Persekitaran pembangunan bersepadu PHP yang berkuasa

SublimeText3 Linux versi baharu
SublimeText3 Linux versi terkini