
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
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29