🍉 CSDN 叶庭云:https://yetingyun.blog.csdn.net/
一、对象和引用、内存管理机制
Python 中的一切都是对象,包括数字、字符串、列表和函数等。为了简化内存管理并提高效率,Python 采用了统一的对象模型。在这个模型中,所有创建的变量在栈上都是指向堆中实际分配内存对象的引用。这种机制允许变量指向不同类型的对象,并可以在程序运行期间随时改变所指向的对象。这种设计使得 Python 的内存使用更加高效和灵活。对象还分两类:一类是可变的,一类是不可变的。
-
不可变对象类型有:整数、浮点数、布尔值、字符串、元组等
-
可变对象类型有:列表、字典、集合、可变的字节数组、用户自定义类
Python 的内存管理机制,包括引用计数、垃圾回收和内存池机制,是以对象引用为基础的。通过妥善管理对象引用,Python 能够高效地管理内存使用并回收不再使用的对象。
-
内存池机制和垃圾回收是 Python 内存管理机制的两个主要组成部分,其目标是减少内存碎片化和提高程序执行效率。内存池通过预先申请内存块来避免频繁调用
new/malloc
所带来的性能损耗。 -
垃圾回收则主要依赖引用计数机制,辅以标记-清除算法和分代回收策略,以解决循环引用问题并提高回收效率。引用计数记录每个对象被引用的次数,当引用计数降为零时,该对象将被视为垃圾并进行回收。标记-清除算法用于处理循环引用问题,而分代回收则通过将对象分为不同的代来提高回收效率。这些机制共同确保 Python 程序的高效执行,同时减轻了开发者在内存管理方面的负担。
is
和 ==
在比较对象时的内容是不同的。具体来说,is
比较的是两个对象的内存地址,以确定它们是否为同一个实例对象;而 ==
则比较的是对象的值是否相等,这通常涉及到调用对象的 __eq__()
方法。
Python 中的整数缓存特性。对于小整数,范围在(-5 ~ 256)之间的整数,使用 ==
和 is
运算符得到的结果是相同的。这是因为 Python 在内部建立了一个数组缓存,当创建小整数对象时,会直接引用缓存中已有的对象,而不是每次都创建新的对象。在 Python 脚本中运行代码时,编译器可以看到整个程序并进行优化,所以超出范围的整数也会直接引用缓存中已有的对象。不同的 Python 版本和代码运行环境可能会影响整数缓存的功能哦!
。
二、深拷贝与浅拷贝
深拷贝和浅拷贝是 Python 中两种重要的对象复制方法。
浅拷贝是通过复制对象的引用而非对象本身来实现的。在顶层,原始对象和复制的对象是独立的对象(内存地址不同,可用 id()
函数查看),但里面的子对象都是引用。在 Python 中,我们可以利用 copy 模块的 copy()
函数来创建一个对象的浅拷贝。对于基本数据类型(整数、浮点数、布尔值、字符串)或只包含不可变对象的复合数据类型(列表、元组、字典、集合),浅拷贝是安全且高效的。但如果原始对象包含其他可变对象(有嵌套的复杂对象,例如:列表中的列表和字典中的字典),则复制的对象将与原始对象共享内部子对象。这意味着对复制对象的内部子对象的修改也会反映在原始对象上。这就是为什么当原始对象包含其他可变子对象时,浅拷贝可能会带来问题。
这里注意一点:直接赋值其实就是对象的引用(别名),都指向同一个对象。因此,直接赋值跟浅拷贝 copy.copy() 还是有一定区别的。
深拷贝用于确保原始对象与复制对象之间的完全独立。它递归地复制原始对象及其所有子对象,从而创建一个与原始对象完全独立的新对象。这意味着对深拷贝对象的修改完全不会影响原始对象。Python 的 copy 模块提供了 deepcopy()
函数,用于执行深拷贝。deepcopy() 的工作原理如下:
-
检查对象的类型:首先,deepcopy() 会检查对象的类型。对于不同的类型,复制过程可能有所不同。
-
递归复制:对于嵌套的对象(如列表中的列表、字典中的字典和自定义对象等),deepcopy() 会复制原始对象及其所有子对象。这意味着它会继续对每个子对象执行深拷贝,直到遇到基本数据类型(如整数、字符串、浮点数等)为止。
-
处理循环引用:在复制过程中,deepcopy() 需要处理循环引用的情况。如果对象之间存在循环引用,deepcopy() 会跟踪这些引用,并确保在复制过程中不会创建无限递归的复制。
-
返回新对象:完成所有的复制后,deepcopy() 返回一个新的、与原始对象完全独立的复制对象。
浅拷贝适用于对象结构较为简单或仅需复制对象顶层结构的情况。而深拷贝则适用于对象结构复杂且需要完全独立副本的场景。在选择使用深拷贝还是浅拷贝时,应综合考虑对象的结构和复制需求。
虽然深拷贝提供了对象的完全独立性,但对于特别大的对象或包含复杂引用的对象,它比浅拷贝更耗时和消耗内存,因为它需要递归地复制原始对象及其所有子对象。此外,在某些情况下,如包含互相引用的对象,深拷贝可能会引起无限递归地尝试复制,直到达到 Python 的最大递归深度限制,从而引发 RecursionError。因此,在决定是否使用深拷贝时,需要根据实际需求权衡其优点和缺点。
总结:Python 中的深拷贝和浅拷贝对于有效地管理对象的复制至关重要。浅拷贝在对象结构较为简单、资源消耗较少的情况下提供了高效的复制方法,而深拷贝则适用于需要完全独立对象副本的复杂对象结构。在实际应用中,选择正确的拷贝方法可以避免潜在的程序错误并提高代码的效率。
📚️ 相关链接:
-
面试必备:Python 内存管理机制
-
Python 中的深拷贝和浅拷贝有什么区别
-
Python 直接赋值、浅拷贝和深度拷贝解析
-
Python 深拷贝和浅拷贝详解
-
彻底理解 Python 中浅拷贝和深拷贝的区别
-
Python 的 “is None” vs “==None”
-
[python] 魔术方法大全(二)-- 比较篇