1. 小数据池

​ 小数据池——缓存机制(驻留机制)

数字的范围为:-5~256(在此范围内的数字,内存地址相同)

1.1 代码块

​ 一个文件,一个函数,一个类,一个模块,终端中每一个行是一个代码块。

支持的数据类型:

  1. 数字类型:

    在同一代码块下 只要内容相同就采用相同的内存地址(-5 ~ 正无穷大);

    数字在做乘法的时候范围 -5 ~ 256

​ 数字在做乘法的时候不能使用浮点数,否则地址不同。

  1. 字符串类型:

​ 在同一代码块下 只要内容相同就采用相同的内存地址;

乘法的时候总长度不能超过20,内存地址相同;

​ 乘法的时候中文,特殊符号乘以1或0,内存地址相同。

  1. 布尔值:

​ 在同一代码块下 只要内容相同就采用相同的内存地址。

1.2 小数据池

支持的数据类型:

  1. 数字类型:

    数字范围 -5 ~ 256

  2. 字符串类型:

​ 纯字母、数字任意长度,只要内容相同就采用相同的内存地址;

只有乘法的时候总长度不能超过20,内存地址相同;

​ 乘法的时候中文,特殊符号乘以0,内存地址相同。

  1. 布尔值:

​ 只要内容相同就采用相同的内存地址。

1.3 执行顺序 (代码块--小数据池)

​ 小数据池的验证方法,必须脱离代码块才能进行验证。否则会先执行代码块的规则,再执行小数据池的验证规则。

1.4 "=="和 “is”

"==  判断等号两边值是否相等
"is" 判断两边的值内存地址是否相等

2. 深浅拷贝

2.1 赋值

​ 多个变量名指向同一个内存地址

​ 一个变量对其进行操作,其他变量查看时都变动

lst = [1,2,3,[4,5,6]]
lst1 = lst
print(lst1)
print(lst)
lst[-1].append(8)
print(lst1) # lst、lst1都改变
print(lst)

2.2 浅拷贝: copy()

2.2.1 本质

​ 浅拷贝的时候,只会开辟一个新的容器列表(内存空间),使用的都是源列表中的元素。

lst1 = lst.copy()
print(lst[-1]) # [4,5,6]
print(lst1[-1]) # [4,5,6]
print(id(lst[-1])) # id 内存地址也一样
print(id(lst1[-1]))

2.2.2 特征

lst[ : ] -- 也是浅拷贝;

浅拷贝只拷贝第一层元素;

修改第一层元素时,新开辟了内存空间,则不会进行改变;修改第二层及以上元素时,会改变。

lst = [1,2,3,[4,5,6]]
lst1 = lst.copy() #浅拷贝
lst[0]=10
print(lst) # 会变[10, 2, 3, [4, 5, 6]]
print(lst1) # 不会变[1, 2, 3, [4, 5, 6]]
# 总结:当改变第一层元素(不可变数据类型)时,拷贝出来的新列表不会改变 lst = [1,2,3,[4,5,6]]
lst1 = lst.copy()
lst[-1]=4
print(lst) # 会变 [1, 2, 3, 4]
print(lst1) # 不会变[1, 2, 3, [4, 5, 6]]
# 总结:当改变第一层元素(可变数据类型)时,拷贝出来的新列表不会改变
lst = [1,2,3,[4,5,6]]
lst1 = lst.copy()
lst[-1][-1]=10
print(lst) # 会变[1, 2, 3, [4, 5, 10]]
print(lst1) # 会变[1, 2, 3, [4, 5, 10]]
#总结:当修改(增删改)第一层元素中可变数据类型(第二层元素)时,拷贝出来的新列表会改变,两个列表相同
dic = {"alex":[1,2,3,[4,5,6]]}
dic1 = dic.copy()
dic["alex"].append (0)
print(dic) #{'alex': [1, 2, 3, [4, 5, 6], 0]}
print(dic1) #{'alex': [1, 2, 3, [4, 5, 6], 0]}
#总结:字典存在的值就是第二层元素 dic = {"alex":[1,2,3,[5,6]]}
dic1 = dic.copy()
dic["wusir"]=[7,8] #增加新的键值对
# dic["alex"]=[7,8] #替换键值对的整体值
print(dic) # {'alex': [1, 2, 3, [5, 6]], 'wusir': [7, 8]}
print(dic1) # {'alex': [1, 2, 3, [5, 6]]}
#总结:如果是新增/减键值对或者是替换键值对的整体值,那就是在改第一层元素,不会改变

2.3 深拷贝:copy.deepcopy()

2.3.1 格式

import copy  #导入
lst = [1,2,3,[4,5,6]]
lst1 = copy.deepcopy(lst) # 深拷贝
print(lst)
print(lst1)

2.3.2 特征

​ 不可变的数据类型共用,可变的数据类型重新开辟一个空间对源数据进行修改; 深拷贝的内容都不会改变。

import copy
lst = [1,2,3,[4,5,6]]
lst1 = copy.deepcopy(lst)
lst[-1][-1] = 10
print(lst) #会变[1, 2, 3, [4, 5, 10]]
print(lst1) #不变[1, 2, 3, [4, 5, 6]] import copy
lst = [1,2,3,[4,5,6]]
lst1 = copy.deepcopy(lst)
lst[-1].append(7)
print(lst) #会变[1, 2, 3, [4, 5, 6, 7]]
print(lst1) #不变[1, 2, 3, [4, 5, 6]]
#总结:深拷贝对第二层元素改变时,拷贝出来的新列表不会改变
import copy
lst = [1,2,3,[4,5,6]]
lst1 = copy.deepcopy(lst)
lst[-1] = 10
print(lst) #会变[1, 2, 3, 10]
print(lst1) #不变[1, 2, 3, [4, 5, 6]]
#总结:深拷贝对第一层元素改变时,拷贝出来的新列表也不会改变

3.集合——set

​ 集合是没用值得字典 { },集合是无序,可变的,集合可以天然去重(唯一),元素时不可变的数据类型。

3.1 定义

s = {1,"alex",False,(1,2,3),12,4,6,32,2}

3.2 操作

3.2.1增

s.add(67)  #只能添加一个
s.update("迭代的内容") # 迭代添加

3.2.2 删

s.pop()   #随机删
s.remove(1) #指定元素删除
s.clear() # 清空 -- set() 空集合

3.2.3 改

先删再加

3.2.4 查

for i in {1,2,3}:
print(i)

3.2.5 其他操作

s1 = {1,2,3,4,5,6,7}
s2 = {5,6,7,1} print(s1 & s2) # 交集 {1, 5, 6, 7}
print(s1 | s2) # 并集 {1, 2, 3, 4, 5, 6, 7}
print(s1 - s2) # 差集 {2, 3, 4} 差集是减去相同的元素,打印s1中其他剩下的元素
print(s1 ^ s2) # 反交集 {2, 3, 4} 去两个集合的重
print(s1 > s2) # 父集(超集) True
print(s1 < s2) # 子集 False
print(frozenset(s1)) # 冻结集合 frozenset({1, 2, 3, 4, 5, 6, 7}) dic = {frozenset(s1):1}
print(dic) #和字典使用,{frozenset({1, 2, 3, 4, 5, 6, 7}): 1}

3.3 集合面试题

1. 用一行代码将列表去重:

lst = [1,2,1,2,4,2,45,3,2,45,2345,]
print(list(set(lst))) # [1, 2, 3, 4, 2345, 45]

python 06 深浅拷贝的更多相关文章

  1. Python原理 -- 深浅拷贝

    python原理 -- 深浅拷贝 从数据类型说开去 str, num : 一次性创建, 不能被修改, 修改即是再创建. list,tuple,dict,set : 链表,当前元素记录, 下一个元素的位 ...

  2. Python的深浅拷贝

    Python的深浅拷贝 深浅拷贝 1. 赋值,对于list, set, dict来说, 直接赋值. 其实是把内存地址交给变量并不是复制一份内容 list1 = [']] list2 = list1 p ...

  3. 24、简述Python的深浅拷贝以及应用场景

    深浅拷贝的原理 深浅拷贝用法来自copy模块. 导入模块:import copy 浅拷贝:copy.copy 深拷贝:copy.deepcopy 字面理解:浅拷贝指仅仅拷贝数据集合的第一层数据,深拷贝 ...

  4. Python入门-深浅拷贝

    首先我们在这里先补充一下基础数据类型的一些知识: 一.循环删除 1.前面我们学了列表,字典和集合的一些操作方法:增删改查,现在我们来看一下这个问题: 有这样一个列表: lst = ['周杰伦','周润 ...

  5. day2学python 数据类型+深浅拷贝+循环

    数据类型+深浅拷贝+循环 别的语言的数组 python不用定义 直接使用 color=['红','橙','黄','绿','青','蓝','紫'] print(color[1:3]) //打印[1,3) ...

  6. 简述Python的深浅拷贝以及应用场景

    深浅拷贝的原理 深浅拷贝用法来自copy模块. 导入模块:import copy 浅拷贝:copy.copy 深拷贝:copy.deepcopy 字面理解:浅拷贝指仅仅拷贝数据集合的第一层数据,深拷贝 ...

  7. python 赋值 深浅拷贝

    深浅拷贝 一.数字和字符串 对于 数字 和 字符串 而言,赋值.浅拷贝和深拷贝无意义,因为其永远指向同一个内存地址. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 impor ...

  8. Python随笔---深浅拷贝

    Python中为了避免某些方法的副作用(拷贝后有时更改原有数据),故存在有深浅拷贝的存在 浅拷贝导入copy方法集,使用copy_copy的方法进行 深拷贝一样导入copy方法集,使用copy_dee ...

  9. python 的深浅拷贝问题

    深浅拷贝概念 基本类型和引用类型数据拷贝的问题.因为基本类型的数据大小是固定的,所以他保存在栈内存中:而引用类型的数据大小不固定,因而保存在堆内存中,单引用类型在栈内存中只保存一个指向堆内存的指针. ...

随机推荐

  1. SQL Server 保存特殊字符时乱码

    场景:协同完成的项目,数据库是同事创建,我们共同使用的表. 客户反应有一些字符查看的时候出现乱码.第一反应是否编码规则的问题.后来去数据库查发现数据库里就是乱码,百度了一下发现说特殊字符要保存在NVA ...

  2. 剖析std::function接口与实现

    目录 前言 一.std::function的原理与接口 1.1 std::function是函数包装器 1.2 C++注重运行时效率 1.3 用函数指针实现多态 1.4 std::function的接 ...

  3. 10w数组去重,排序,找最多出现次数

    配置在博客底部 主函数 package ooDay11.zy13; import ooDay11.zy13.hanshu.GetKeyList;import ooDay11.zy13.hanshu.G ...

  4. 实战SpringCloud响应式微服务系列教程(第二章)

    接上一篇:实战SpringCloud响应式微服务系列教程(第一章) 1.1.2背压 背压是响应式编程的核心概念,这一节也是我们了解响应式编程的重点. 1.背压的机制 在生产者/消费者模型中,我们意识到 ...

  5. 章节十五、5-记录日志---Log4j

    一.为什么要用Log4j记录日志? 日志记录对于任何应用程序都非常重要. 它可以帮助我们快速调试代码,通过收集代码执行的信息让代码容易维护. 二.Log4j 是什么? Apache为Java提供的日志 ...

  6. 从windows10迁移到Linux Deepin

    如题, 这几天从windows系统迁移到deepin的linux系统花了很多时间, 以致最近都没时间来博客园.现在将这几天的成果分享出来, 顺便也做个记录.先不多说, 上一张新系统界面. 其实在装de ...

  7. 手把手教你grid布局

    概述 目前css布局方案中,网格布局可以算得上是最强大的布局方案了.它可以将网页分为一个个网格,然后利用这些网格组合做出各种各样的布局. 基本概念 在学习grid布局之前,我们需要了解一些基本概念 1 ...

  8. 优雅的对象转换解决方案-MapStruct使用进阶(二)

    在前面, 介绍了 MapStruct 及其入门. 本文则是进一步的进阶. 在 MapStruct 生成对应的实现类的时候, 有如下的几个情景. 1 属性名称相同,则进行转化 在实现类的时候, 如果属性 ...

  9. ubuntu18.04下安装matlab2018a

    一.下载 百度网盘链接:https://pan.baidu.com/s/1M6KafnsljmYV9_5m_1pXMw 提取玛:jp76 二.安装 下载下来的文件夹中有三个文件,分别是破解文文件与映像 ...

  10. Linux 精确判断是否同一文件--及终端获取字符串md5 的值

    背景 今天发现一个同事用 文件大小 对比,来判断编译所得的一个可执行文件是不是同一个文件. 讲道理 这种方式出错的概率很低,但是用这样的方法,一旦出错就容易被坑一把狠的. 所以我来分享一下 md5 在 ...