详解Python变量在内存中的存储

Posted 2021-05-15 北极星！

这篇文章主要是对python中的数据进行认识，对于很多初学者来讲，其实数据的认识是最重要的，也是最容易出错的。本文结合数据与内存形态讲解python中的数据，内容包括：

• 引用与对象
• 可变数据类型与不可变数据类型
• 引用传递与值传递
• 深拷贝与浅拷贝

（id函数：你可以通过python的内置函数 id() 来查看对象的身份(identity)，这个所谓的身份其实就是 对象 的内存地址）

一、引用与对象：引用与对象的关系： 

1.  
   #创建两个对象
2.  
   name1=\'wupeiqi\'
3.  
   name2=\'alex\'

对象：当创建数据对象时，在内存中会保存对象的值，这个值就是对象自己；（字符串对象：”wupeiqi”） 
引用：对象保存在内存空间，外部想要使用对象的值，需要使用引用，就是‘name1’,’name2’。内存会保存对象的引用数量，当某个对象的引用数量为0时，对象会被回收。

二、可变数据类型与不可变数据类型 
1，数据分类：

• 可变数据类型：列表list和字典dict
• 不可变数据类型：整型int、浮点型float、字符串型string和元组tuple

这里的可变不可变，是指内存中的那块内容（value）是否可以被改变。如果是不可变类型，在对对象本身操作的时候，必须在内存中新申请一块区域(因为老区域不可变)。如果是可变类型，对对象操作的时候，不需要再在其他地方申请内存，只需要在此对象后面连续申请(+/-)即可，也就是它的address会保持不变，但区域会变长或者变短。

（1）python中的不可变数据类型，不允许变量的值发生变化，如果改变了变量的值，相当于是新建了一个对象，而对于相同的值的对象，在内存中则只有一个对象，内部会有一个引用计数来记录有多少个变量引用这个对象； 
（2）可变数据类型，允许变量的值发生变化，即如果对变量进行append、+=等这种操作后，只是改变了变量的值，而不会新建一个对象，变量引用的对象的地址也不会变化，不过对于相同的值的不同对象，在内存中则会存在不同的对象，即每个对象都有自己的地址，相当于内存中对于同值的对象保存了多份，这里不存在引用计数，是实实在在的对象。”

2，不可变数据类型：不可变是指对象本身的值是不可变的（当你创建a=1整型对象，用a去引用它，内存中的对象1是不变得，当执行a=2时，只是重新创建了对象2，用a引用，如果1对象没有其他引用会被回收）

1.  
   >>> x = 1
2.  
   >>> id(x)
3.  
   31106520
4.  
   >>> y = 1
5.  
   >>> id(y)
6.  
   31106520
7.  
   >>> x = 2
8.  
   >>> id(x)
9.  
   31106508
10.  
    >>> y = 2
11.  
    >>> id(y)
12.  
    31106508
13.  
    >>> z = y
14.  
    >>> id(z)
15.  
    31106508

解释：这里的不可变大家可以理解为x引用的地址处的值是不能被改变的，也就是31106520地址处的值在没被垃圾回收之前一直都是1，不能改变，如果要把x赋值为2，那么只能将x引用的地址从31106520变为31106508，相当于x = 2这个赋值又创建了一个对象，即2这个对象，然后x、y、z都引用了这个对象，所以int这个数据类型是不可变的，如果想对int类型的变量再次赋值，在内存中相当于又创建了一个新的对象，而不再是之前的对象。从下图中就可以看到上面程序的过程。 

3，可变对象：可变是指对象本身的值是可变的（list,dict对象的值其实是引用了其他对象，当改变对象的值时，其实是引用了不同的对象）

1.  
   >>> a = [1, 2, 3]
2.  
   >>> id(a)
3.  
   41568816
4.  
   >>> a = [1, 2, 3]
5.  
   >>> id(a)
6.  
   41575088
7.  
   >>> a.append(4)
8.  
   >>> id(a)
9.  
   41575088
10.  
    >>> a += [2]
11.  
    >>> id(a)
12.  
    41575088
13.  
    >>> a
14.  
    [1, 2, 3, 4, 2]

解释：（1）进行两次a = [1, 2, 3]操作，两次a引用的地址值是不同的，也就是说其实创建了两个不同的对象，这一点明显不同于不可变数据类型，所以对于可变数据类型来说，具有同样值的对象是不同的对象，即在内存中保存了多个同样值的对象，地址值不同。 
（2）我们对列表进行添加操作，分别a.append(4)和a += [2]，发现这两个操作使得a引用的对象值变成了上面的最终结果，但是a引用的地址依旧是41575088，也就是说对a进行的操作不会改变a引用的地址值，只是在地址后面又扩充了新的地址，改变了地址里面存放的值，所以可变数据类型的意思就是说对一个变量进行操作时，其值是可变的，值的变化并不会引起新建对象，即地址是不会变的，只是地址中的内容变化了或者地址得到了扩充。下图对这一过程进行了图示，可以很清晰地看到这一过程。 

三、引用传递与值传递：可变对象为引用传递，不可变对象为值传递。（函数传值） 
1，引用传递：当传递列表或者字典时，如果改变引用的值，就修改了原始的对象。

1.  
   # 添加了一个string类型的元素添加到末尾
2.  
    
3.  
   def ChangeList(lis):
4.  
   lis.append(\'hello i am the addone\')
5.  
   print lis
6.  
   return
7.  
    
8.  
   lis = [1, 2, 3]
9.  
   ChangeList(lis)
10.  
    print lis
11.  
     
12.  
    输出：
13.  
    [1,2,3, \'hello i am the addone\']
14.  
     
15.  
    [1,2, 3,\'hello i am the addone\']

2，值传递：当传递不可变对象时，如果改变引用的值，只是创建了不同的对象，原始对象并没有改变。

1.  
   def ChangeString(string):
2.  
   string = \'i changed as this\'
3.  
   print string
4.  
   return
5.  
    
6.  
   string = \'hello world\'
7.  
   ChangeString(string)
8.  
   print string
9.  
    
10.  
    输出：
11.  
    i changed as this
12.  
     
13.  
    hello world

四、深拷贝与浅拷贝： 
copy.copy() 浅拷贝；copy.deepcopy() 深拷贝。浅拷贝是新创建了一个跟原对象一样的类型，但是其内容是对原对象元素的引用。这个拷贝的对象本身是新的，但内容不是。拷贝序列类型对象（列表\\元组）时，默认是浅拷贝。

1，赋值拷贝： 
赋值，只是创建一个变量，该变量指向原来内存地址：n4 = n3 = n2 = n1 = “123/’Wu’” 

2，浅拷贝：在内存中只额外创建第一层数据

1.  
   import copy
2.  
   n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
3.  
   n3 = copy.copy(n1)

1.  
   import copy
2.  
   a = [1,[[2,3],5],3]
3.  
   b = a.copy() #copy.copy(a)
4.  
    
5.  
   print(id(a[1]))
6.  
   print(id(b[1]))
7.  
    
8.  
   c = copy.deepcopy(a)
9.  
   print(id(c[1]))
10.  
     
11.  
    输出：
12.  
    3021497843400
13.  
    3021497843400
14.  
    3021497854728

3，深拷贝：在内存中将所有的数据重新创建一份（排除最后一层，即：python内部对字符串和数字的优化）

1.  
   import copy
2.  
   n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
3.  
   n4 = copy.deepcopy(n1)

参考文献： 
http://blog.csdn.net/dan15188387481/article/details/49864613 
https://www.cnblogs.com/lfpython/p/7207747.html 
https://www.cnblogs.com/huamingao/p/5809936.html 
https://www.cnblogs.com/jiangzhaowei/p/5740913.html

转自：https://www.cnblogs.com/wangshicheng/p/10627916.html