本文跟大家分享一篇文章帶領大家讀懂python賦值與拷貝的知識,有興趣的朋友一起看看吧
##變數與賦值
在Python 中,一切皆為對象,對象通過“變量名”引用,“變量名”更確切的叫法是“名字”,好比我們每個人都有自己的名字一樣,咱們通過名字來代指某個人,代碼裡面透過名字來指涉某個物件。 變數賦值就是給物件綁定一個名字,賦值並不會拷貝物件。好比我們出生的時候父母就要給我們取一個名字一樣,給人取個綽號並不來多出一個人來,只是多一個名字罷了。 兩個物件做比較有兩種方式,分別是:is 與== ,is比較的是兩個物件是否相同,透過物件的ID值可辨識是否為相同對象,==比較的是兩個物件的值是否相等>>> x1 = [1,2] >>> x2 = [1,2] >>> x1 is x2 False >>> id(x1) 4338854088 >>> id(x2) 4338904392 >>> x1 == x2 Truex1 和x2 的值雖然相同,但在記憶體中是兩個獨立的不同的對象,佔據不同的記憶體空間,就好比兩個長得一樣的蘋果擺在桌上,實則為兩個不同的物體。
>>> x3 = x2 >>> x3 is x2 True >>> id(x3) 4338904392前面說了,賦值是給物件綁定名字,這裡我們只不過是給x2 對應的那個物件綁定了一個新的名字叫x3,這就好比桌上放了一個蘋果,開始給它貼了一個x2 的標籤,後來又給它添了一個x3 的標籤,本質上還是同一個蘋果,所以,x2 和x3 所指的其實是同一個對象。
>>> x2.append(3) >>> x2 [1, 2, 3] >>> x3 [1, 2, 3]但是,當我給x2 重新賦值時,相當於x2 不再引用先前的對象,而引用新對象, x3 依然引用先前的對象。好比桌上一大蘋果開始貼了 x2 和 x3 兩個標籤,給 x2 重新賦值就相當於把 x2 標籤貼到另外一個蘋果,但是 x3 還是貼在老蘋果身上。
>>> x2 = [3, 4] >>> x3 [1, 2, 3]
#物件拷貝
在業務中有時我們需要複製一個對象,但又不想對原對象產生副作用,肯定不能透過賦值給一個新變數來解決(因為賦值不是拷貝對象),所以Python 專門提供了一種拷貝機制,基於原始對象快速創建出一個含有相同值的物件。此功能由copy模組提供。 拷貝又分為淺拷貝和深拷貝。>>> s = [1,2,3]>>> sc = copy.copy(s) # 浅拷贝>>> sc[1, 2, 3] >>> sdc = copy.deepcopy(s) # 深拷贝 >>> sdc [1, 2, 3]拷貝出來的物件只是值相同,實為不同的物件
>>> s == sc == sdc True >>> s is sc False >>> s is sdc False那麼淺拷貝(shallow copy)與深拷貝(deep copy)有什麼差別呢? 對於不可變對象,例如整數、字串、元組、還有由這些不可變對象組成的集合對象,淺拷貝和深拷貝沒有區別,都是拷貝一個新對象兩者的差別在於拷貝組合對象,例如列表中還有列表,字典中還有字典或列表的情況時,淺拷貝只拷貝了外面的殼子,裡面的元素並沒有拷貝,而深拷貝則是把殼子和裡面的元素都拷貝了一份新的。 來看一個例子:
>>> x = [2, 3] >>> y = [7, 11] >>> z = [x, y] >>> a = copy.copy(z) # 浅拷贝 >>> a[0] is z[0] True
>>> b = copy.deepcopy(z) # 深拷贝 >>> b[0] is z[0] False
#
以上是Python賦值與拷貝的詳細內容。更多資訊請關注PHP中文網其他相關文章!

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

Python和C 在内存管理和控制方面的差异显著。1.Python使用自动内存管理,基于引用计数和垃圾回收,简化了程序员的工作。2.C 则要求手动管理内存,提供更多控制权但增加了复杂性和出错风险。选择哪种语言应基于项目需求和团队技术栈。

Python在科學計算中的應用包括數據分析、機器學習、數值模擬和可視化。 1.Numpy提供高效的多維數組和數學函數。 2.SciPy擴展Numpy功能,提供優化和線性代數工具。 3.Pandas用於數據處理和分析。 4.Matplotlib用於生成各種圖表和可視化結果。

選擇Python還是C 取決於項目需求:1)Python適合快速開發、數據科學和腳本編寫,因其簡潔語法和豐富庫;2)C 適用於需要高性能和底層控制的場景,如係統編程和遊戲開發,因其編譯型和手動內存管理。

Python在數據科學和機器學習中的應用廣泛,主要依賴於其簡潔性和強大的庫生態系統。 1)Pandas用於數據處理和分析,2)Numpy提供高效的數值計算,3)Scikit-learn用於機器學習模型構建和優化,這些庫讓Python成為數據科學和機器學習的理想工具。

每天學習Python兩個小時是否足夠?這取決於你的目標和學習方法。 1)制定清晰的學習計劃,2)選擇合適的學習資源和方法,3)動手實踐和復習鞏固,可以在這段時間內逐步掌握Python的基本知識和高級功能。

Python在Web開發中的關鍵應用包括使用Django和Flask框架、API開發、數據分析與可視化、機器學習與AI、以及性能優化。 1.Django和Flask框架:Django適合快速開發複雜應用,Flask適用於小型或高度自定義項目。 2.API開發:使用Flask或DjangoRESTFramework構建RESTfulAPI。 3.數據分析與可視化:利用Python處理數據並通過Web界面展示。 4.機器學習與AI:Python用於構建智能Web應用。 5.性能優化:通過異步編程、緩存和代碼優

Python在開發效率上優於C ,但C 在執行性能上更高。 1.Python的簡潔語法和豐富庫提高開發效率。 2.C 的編譯型特性和硬件控制提升執行性能。選擇時需根據項目需求權衡開發速度與執行效率。


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

禪工作室 13.0.1
強大的PHP整合開發環境

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

PhpStorm Mac 版本
最新(2018.2.1 )專業的PHP整合開發工具