
作者:麦叔
来源:麦叔编程
在【#067】我们聊到了深度copy和浅度copy,如果还没看请点击文末查看。
我们有一个对象Coder(编程者),它包含昵称,编程年数,以及所会的编程语言列表:
class Coder: def __init__(self, nickname, experience_years, skills): self.nickname = nickname self.experience_years = experience_years self.skills = skills
其中skills是一个列表,里面包含至少一种编程语言。
我们创建一个对象maishu:
maishu = Coder('maishu', 15, ['Java', 'Ruby', 'Python', 'Shell', 'Swift', 'Objective-C', 'Flutter', 'JavaScript', 'R', 'C', 'C++'])
有一位麦友,他的情况和maishu很相似,除了昵称不一样。我们想要复制一份maishu对象,这样就不用重新创建了。
我给大家留了一个问题:
上面复制maishu的情况,应该用深copy还是浅copy呢?
评论区里的答案大都很调皮:
麦友@梦终空说:
浅copy! 这样复制了别人的知识我不用学习也能跟随别人一起更新!
麦友@予瑕说:
浅拷贝好啊,可以随着原数据的更新而更新!
麦说@日常磕盐说:
麦叔真是个有趣的人,我支持浅copy!
他们的回复虽然调皮,而且也是不对的(),但也指出了浅copy的好处:可以共用数据。
在上面的例子中,应该用深copy,因为每个人的技能是不同的。感谢麦友@梁显浚HinChunLeung给出正确答案。
麦友@Lonely丶Enderman还指出了浅copy可能出错的一个地方:
浅拷贝的话,如果两个对象都写了析构函数,就会报错。原理是原对象里的属性已经被释放了,浅拷贝出来的对象就会重复释放(浅拷贝成员指向原对象)。
不过在Python中很少写析构函数,基本上都是让对象自动垃圾回收的,这个问题存在的概率不大。不过理解这一点还是很重要的。只有理解比较深入的人才能理解这一点。
Python中深copy和浅copy的函数分别copy模块中的copy()和deepcopy()。
先看看浅copy的例子:
import copy class Coder: def __init__(self, nickname, experience_years, skills): self.nickname = nickname
self.experience_years = experience_years
self.skills = skills
maishu = Coder('maishu', 15, ['Java', 'Ruby', 'Python', 'Shell', 'Swift', 'Objective-C', 'Flutter', 'JavaScript', 'R', 'C', 'C++'])
guishu = copy.copy(maishu)
print(f'龟叔的名字是:{guishu.nickname}')
guishu.nickname = '龟叔' print(f'麦叔的名字是:{maishu.nickname}')
print(f'龟叔的名字是:{guishu.nickname}')
guishu.skills.append('易语言')
print(f'麦叔的技能是:{maishu.skills}')
print(f'龟叔的技能是:{guishu.skills}')
运行结果:
龟叔的名字是:maishu 麦叔的名字是:maishu 龟叔的名字是:龟叔
麦叔的技能是:['Java', 'Ruby', 'Python', 'Shell', 'Swift', 'Objective-C', 'Flutter', 'JavaScript', 'R', 'C', 'C++', '易语言'] 龟叔的技能是:['Java', 'Ruby', 'Python', 'Shell', 'Swift', 'Objective-C', 'Flutter', 'JavaScript', 'R', 'C', 'C++', '易语言']
解释一下:
再来看看深copy的例子,和上面唯一的区别就是改成调用deepcopy()函数。
import copy class Coder: def __init__(self, nickname, experience_years, skills): self.nickname = nickname
self.experience_years = experience_years
self.skills = skills
maishu = Coder('maishu', 15, ['Java', 'Ruby', 'Python', 'Shell', 'Swift', 'Objective-C', 'Flutter', 'JavaScript', 'R', 'C', 'C++'])
guishu = copy.deepcopy(maishu) #唯一改动 print(f'龟叔的名字是:{guishu.nickname}')
guishu.nickname = '龟叔' print(f'麦叔的名字是:{maishu.nickname}')
print(f'龟叔的名字是:{guishu.nickname}')
guishu.skills.append('易语言')
print(f'麦叔的技能是:{maishu.skills}')
print(f'龟叔的技能是:{guishu.skills}')
再次运行,发现maishu的技能不受guishu影响了:
龟叔的名字是:maishu 麦叔的名字是:maishu 龟叔的名字是:龟叔
麦叔的技能是:['Java', 'Ruby', 'Python', 'Shell', 'Swift', 'Objective-C', 'Flutter', 'JavaScript', 'R', 'C', 'C++'] 龟叔的技能是:['Java', 'Ruby', 'Python', 'Shell', 'Swift', 'Objective-C', 'Flutter', 'JavaScript', 'R', 'C', 'C++', '易语言']
因为它们的数据是安全独立的。
应该用哪个取决于你的实际业务需求。只要理解了它们的本质区别,就可以合理运用。
说几个要点:
其实,人生亦如此!朋友,甚至亲情之间,也要把握好边界,懂得深浅。尤其是开玩笑的时候,更要懂得深浅,很多冲突起源于玩笑。总之,懂的深浅,才能游刃有余!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15