Python 赋值机制

先看一个例子:

In [1]:

  1. x = [1, 2, 3]
  2. y = x
  3. x[1] = 100
  4. print y
  1. [1, 100, 3]

改变变量x的值,变量y的值也随着改变,这与Python内部的赋值机制有关。

简单类型

先来看这一段代码在Python中的执行过程。

  1. x = 500
  2. y = x
  3. y = 'foo'
  • x = 500 Python分配了一个 PyInt 大小的内存 pos1 用来储存对象 500 ,然后,Python在命名空间中让变量 x 指向了这一块内存,注意,整数是不可变类型,所以这块内存的内容是不可变的。
内存 命名空间
pos1 : PyInt(500) (不可变) x : pos1
  • y = x Python并没有使用新的内存来储存变量 y 的值,而是在命名空间中,让变量 y 与变量 x 指向了同一块内存空间。
内存 命名空间
pos1 : PyInt(500) (不可变) x : pos1 y : pos1
  • y = 'foo' Python此时分配一个 PyStr 大小的内存 pos2 来储存对象 foo ,然后改变变量 y 所指的对象。
内存 命名空间
pos1 : PyInt(500) (不可变) pos2 : PyStr('foo') (不可变) x : pos1y : pos2

对这一过程进行验证,可以使用 id 函数。

  1. id(x)

返回变量 x 的内存地址。

In [2]:

  1. x = 500
  2. id(x)

Out[2]:

  1. 48220272L

In [3]:

  1. y = x
  2. id(y)

Out[3]:

  1. 48220272L

也可以使用 is 来判断是不是指向同一个事物:

In [4]:

  1. x is y

Out[4]:

  1. True

现在 y 指向另一块内存:

In [5]:

  1. y = 'foo'
  2. id(y)

Out[5]:

  1. 39148320L

In [6]:

  1. x is y

Out[6]:

  1. False

Python会为每个出现的对象进行赋值,哪怕它们的值是一样的,例如:

In [7]:

  1. x = 500
  2. id(x)

Out[7]:

  1. 48220296L

In [8]:

  1. y = 500
  2. id(y)

Out[8]:

  1. 48220224L

In [9]:

  1. x is y

Out[9]:

  1. False

不过,为了提高内存利用效率,对于一些简单的对象,如一些数值较小的int对象,Python采用了重用对象内存的办法:

In [10]:

  1. x = 2
  2. id(x)

Out[10]:

  1. 6579504L

In [11]:

  1. y = 2
  2. id(y)

Out[11]:

  1. 6579504L

In [12]:

  1. x is y

Out[12]:

  1. True

容器类型

现在来看另一段代码:

  1. x = [500, 501, 502]
  2. y = x
  3. y[1] = 600
  4. y = [700, 800]
  • x = [500, 501, 502] Python为3个PyInt分配内存 pos1pos2pos3 (不可变),然后为列表分配一段内存 pos4 ,它包含3个位置,分别指向这3个内存,最后再让变量 x 指向这个列表。
内存 命名空间
pos1 : PyInt(500) (不可变) pos2 : PyInt(501) (不可变) pos3 : PyInt(502) (不可变) pos4 : PyList(pos1, pos2, pos3) (可变) x : pos4
  • y = x 并没有创建新的对象,只需要将 y 指向 pos4 即可。
内存 命名空间
pos1 : PyInt(500) (不可变) pos2 : PyInt(501) (不可变) pos3 : PyInt(502) (不可变) pos4 : PyList(pos1, pos2, pos3) (可变) x : pos4y : pos4
  • y[1] = 600 原来 y[1] 这个位置指向的是 pos2 ,由于不能修改 pos2 的值,所以首先为 600 分配新内存 pos5

再把 y[1] 指向的位置修改为 pos5 。此时,由于 pos2 位置的对象已经没有用了,Python会自动调用垃圾处理机制将它回收。

内存 命名空间
pos1 : PyInt(500) (不可变) pos2 : 垃圾回收 pos3 : PyInt(502) (不可变) pos4 : PyList(pos1, pos5, pos3) (可变)pos5 : PyInt(600) (不可变) x : pos4 y : pos4
  • y = [700, 800] 首先创建这个列表,然后将变量 y 指向它。
内存 命名空间
pos1 : PyInt(500) (不可变) pos3 : PyInt(502) (不可变) pos4 : PyList(pos1, pos5, pos3) (可变)pos5 : PyInt(600) (不可变) pos6 : PyInt(700) (不可变)pos7 : PyInt(800) (不可变)pos8 : PyList(pos6, pos7) (可变) x : pos4 y : pos8

对这一过程进行验证:

In [13]:

  1. x = [500, 501, 502]
  2. print id(x[0])
  3. print id(x[1])
  4. print id(x[2])
  5. print id(x)
  1. 48220224
  2. 48220248
  3. 48220200
  4. 54993032

赋值,id(y)id(x) 相同。

In [14]:

  1. y = x
  2. print id(y)
  1. 54993032

In [15]:

  1. x is y

Out[15]:

  1. True

修改 y[1]id(y) 并不改变。

In [16]:

  1. y[1] = 600
  2. print id(y)
  1. 54993032

id(x[1])id(y[1]) 的值改变了。

In [17]:

  1. print id(x[1])
  2. print id(y[1])
  1. 48220272
  2. 48220272

更改 y 的值,id(y) 的值改变

In [18]:

  1. y = [700, 800]
  2. print id(y)
  3. print id(x)
  1. 54995272
  2. 54993032

原文: https://nbviewer.jupyter.org/github/lijin-THU/notes-python/blob/master/02-python-essentials/02.13-how-python-assignment-works.ipynb