京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25