京公网安备 11010802034615号
经营许可证编号:京B2-20210330
深入理解python中函数传递参数是值传递还是引用传递
目前网络上大部分博客的结论都是这样的:
Python不允许程序员选择采用传值还是传 引用。Python参数传递采用的肯定是“传对象引用”的方式。实际上,这种方式相当于传值和传引用的一种综合。如果函数收到的是一个可变对象(比如字典 或者列表)的引用,就能修改对象的原始值——相当于通过“传引用”来传递对象。如果函数收到的是一个不可变对象(比如数字、字符或者元组)的引用,就不能 直接修改原始对象——相当于通过“传值”来传递对象。
你可以在很多讨论该问题的博客里找到以上这一段话。
但是在实际操作中我却发现一个问题:
l=[1,2,3]
def a(x):
x=x+[4]
a(l)
print(l)
这段代码的输出为:
[1,2,3]
为什么是这样呢,list是可变对象,按照上面的结论来说传递方式是引用传递,我应该在函数里能对它进行修改呀?难道不应该输出[1,2,3,4]吗?
我觉得我上面引用的那段大多数博主的结论,其实非常不好理解,而且没有讲到本质,看的云里雾里的。
经过我后面的多次试验,得到以下结论:
其实在python中讨论值传递还是引用传递是没有意义的,要真正对这些情况作出解释,其实是应该搞明白python(对可变对象和不可变对象的)赋值过程中是如何分配内存地址的。
接下来,我们不讨论值传递和引用传递的问题。
让我们做一个非常简单的小实验,其中,id()可以查看变量在内存中的地址:
l1=[1,2,3]
l2=[1,2,3]
a=1
b=1
print(id(l1))
print(id(l2))
print(id(a))
print(id(b))
在我的电脑中的运行结果:
12856594504
12856915080
1643643344
1643643344
可以发现,对于可变对象list来说,即便列表内容一模一样,python也会给它们分配新的不同的地址。
然而,对于不可变对象int来说,内存里只有一个1。即便再定义一个变量c=1,也是指向内存中同一个1。换句话说,不可变对象1的地址是共享的。
接下来让我们看看在函数中调用可变对象和不可变对象,并修改他们的值,会是一个什么情况。
对于不可变对象int,我们来看看最简单的情况:
a=1
print(id(a))
def x(a):
print(id(a))
b=a
print(id(b))
x(a)
运行得到:
1643643344
1643643344
1643643344
这看起来就是一个引用传递,函数外的a、函数里的a和b都指向了同一个地址。
但我们再来看一个极端情况:
a=1
print(id(a))
def x():
b=1
print(id(b))
x()
运行得到:
1643643344
1643643344
很神奇不是吗?函数外定义的a和函数内定义的b没有任何关系,但它们指向同一个地址!
所以你说如何判断它是值传递还是引用传递?讨论这个问题根本没有意义,因为内存里只有一个1。当我把值1传递给函数里的某一个变量的时候,我实际上也传递了地址,因为内存里只有一个1。
甚至于说我直接给函数里的b赋值1都可以让函数外的a和函数内的b指向同一个地址。
下面来看看传递可变对象list的情况:
l=[1,2,3]
print(id(l))
def a(x):
print(id(x))
x.pop()
print(x)
print(id(x))
x=x+[3]
print(x)
print(id(x))
a(l)
运行得到
883142451528
[1, 2]
[1, 2, 3]
可以看到,当我们把函数外的列表L传递给函数后,x的地址和L是一样的,这看起来就是一个引用传递,没问题。
继续往下,我们调用x本身的方法pop后,x变成[1,2],并且x的地址没变,这也没什么问题。
但是当我们给x赋值以后,x的地址就变了。
也就是说,只要创建一个新的可变对象,python就会分配一个新的地址。就算我们创建的新可变对象和已存在的旧可变对象完全一样,python依旧会分配一个新的地址(见本文上半部分那个‘非常简单的小实验')
而pop并不是创建新的可变对象,pop是对已有的可变对象进行修改。
所以可以总结为:
在python中,不可变对象是共享的,创建可变对象永远是分配新地址
这个时候我们再回过头来思考值传递和引用传递的问题,就会发现在python里讨论这个确实是没有意义。
我们可以说:python有着自己的一套特殊的传参方式,这是由python动态语言的性质所决定的
总结
以上就是本文关于深入理解python中函数传递参数是值传递还是引用传递的全部内容,希望对大家有所帮助。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27