京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Python语言中函数的参数传递机制
python有两种对象,immutable 和mutable,前者如number,string,tuple,后者如dictionary,list,下面先来看两个例子。
例1:
>>> def func(a):
... print('id of a before changed:',id(a))
... a += 1
... print('id of a after changed:',id(a))
...
>>> a=1
>>> id(a)
29022864
>>> func(a)
('id of a before changed:', 29022864)
('id of a after changed:', 29022852)
>>> a,id(a)
(1, 29022864)
例2:
>>> def func(a):
... print('id of a before changed:',id(a))
... a.append(4)
... print('id of a after changed:',id(a))
...
>>> a = [1,2,3]
>>> id(a)
119580312
>>> func(a)
('id of a before changed:', 119580312)
('id of a after changed:', 119580312)
>>> a,id(a)
([1, 2, 3, 4], 119580312)
首先说明一点,python中的中所有数据都是object,object的有三个属性,identity,type,value。identity即其id,可以认为是其内存地址,上面的例子中使用python的build-in函数id()来获取其内存地址。type表示其类型,该属性决定了它的数据结构和其支持的操作。value,则其含有的数据。
在解释例子之前首先强调一点,python中,所有的参数传递都是pass by reference,即引用传递。
例1中代表了immutable类别的参数传递机制,传递的参数在函数返回后,是不会发生变化的。a是一个整型(可以通过type(a)来测试),即number类型,所以是immutable类别的。可以看到,a在传入函数处理以前,值为2,id为29022864,在传入函数但未经改变其值前,其id依然为29022864,所以验证了python中的参数传递确实是引用传递,但在a的值通过自身的平方改变后,我们发现,a 的id变为了29022852,即a这个名字已经代表了另外一个内存地址的对象。最后函数返回后,我们发现a的id依然是29022864,value也没有发生变化。
例2代表了mutable类别的参数传递机制,传递的参数在函数中的改变,在函数返回后依然保留。可以看到,a所代表的对象的id,始终没有发生变化,即value的改变是在全局的名字a所代表的对象上完成的。不同于例1中的例子,因为a所代表的id为29022864的对象,是immutable的,所以当发生值改变时,函数内部的名字a就指向了另一个id为29022852的对象,而当函数返回后,全局的名字a所指向的id为29022864的值依然是2,没有改变。
例3:
>>>
def func(a):
... print('id of a before changed:',id(a))
... a = [1,2,3,4]
... print('id of a after changed:',id(a))
...
>>> a = [1,2,3]
>>> id(a)
119580312
>>> func(a)
('id of a before changed:', 119580312)
('id of a after changed:', 119580356)
>>> a,id(a)
([1, 2, 3], 119580312)
例3的结果,显然与例2中我们的描述很不同。我们发现,当使用“a = [1,2,3,4]”对a所指代的对象进行值改变后,a的id发生了变化。最后函数返回,全局的a代表的对象并没有发生变化。其实问题出在python中“=”赋值操作上。统一的解释是:如果mutable类型对象在函数中的改变不是由“=”来完成,那么该对象在函数中的改变在函数返回后依然保留。如果改变由“=”完成,则不保留。
下面给出一些例子来说明“=”在python的作用,进而对上面的现象做一个统一的解释。
例4:
>>> a =1
>>> b =a
>>> id(a),id(b)
(29022864, 29022864)
>>> b =2
>>> a,b
(1, 2)
>>> id(a),id(b)
(29022864, 29022852)
例5:
>>> a= [1,2,3]
>>> b =a
>>> id(a),id(b)
(119580232, 119580232)
>>> b.append(4)
>>> a,b
([1, 2, 3, 4], [1, 2, 3, 4])
>>> id(a),id(b)
(119580232, 119580232)
例6:
>>> a= [1,2,3]
>>> b= a
>>> id(a),id(b)
(79824096, 79824096)
>>> b = [1,2,3,4]
>>> a,b
([1, 2, 3], [1, 2, 3, 4])
>>> id(a),id(b)
(79824096, 119580232)
例4,例5和例6,其实是模仿了函数参数传递的过程,函数参数传递的过程,就是进行类似"b=a"的操作,这里的b其实就相当于例1,例2和例3中的函数里的“a”。在python中,b,a指向了同一个对象,即进行“b=a”操作,若使用“=”操作改变b的值,python会直接新建一个对象,然后让b指向它。所以a的值不发生变化。
至此,python里的函数参数传递原理应该完整了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14