Python对象的比较拷贝

15 | Python对象的比较、拷贝

你好，我是景霄。

在前面的学习中，我们其实已经接触到了很多 Python 对象比较和复制的例子，比如下面这个，判断 a 和 b 是否相等的 if 语句：

1
2
3

if a == b:
    ...

再比如第二个例子，这里 l2 就是 l1 的拷贝。

1
2
3

l1 = [1, 2, 3]
l2 = list(l1)

但你可能并不清楚，这些语句的背后发生了什么。比如，

l2 是 l1 的浅拷贝（shallow copy）还是深度拷贝（deep copy）呢？

a == b 是比较两个对象的值相等，还是两个对象完全相等呢？

关于这些的种种知识，我希望通过这节课的学习，让你有个全面的了解。

‘==’ VS ‘is’

等于（==）和 is 是 Python 中对象比较常用的两种方式。简单来说， ‘==’ 操作符比较对象之间的值是否相等，比如下面的例子，表示比较变量 a 和 b 所指向的值是否相等。

1
2

a == b

而 ‘is’ 操作符比较的是对象的身份标识是否相等，即它们是否是同一个对象，是否指向同一个内存地址。

在 Python 中，每个对象的身份标识，都能通过函数 id(object) 获得。因此， ‘is’ 操作符，相当于比较对象之间的 ID 是否相等，我们来看下面的例子：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

a = 10
b = 10

a == b
True

id(a)
4427562448

id(b)
4427562448

a is b
True

这里，首先 Python 会为 10 这个值开辟一块内存，然后变量 a 和 b 同时指向这块内存区域，即 a 和 b 都是指向 10 这个变量，因此 a 和 b 的值相等，id 也相等， a == b 和 a is b 都返回 True。

不过，需要注意，对于整型数字来说，以上 a is b 为 True 的结论，只适用于 -5 到 256 范围内的数字。比如下面这个例子：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

a = 257
b = 257

a == b
True

id(a)
4473417552

id(b)
4473417584

a is b
False

这里我们把 257 同时赋值给了 a 和 b，可以看到 a == b 仍然返回 True，因为 a 和 b 指向的值相等。但奇怪的是， a is b 返回了 false，并且我们发现，a 和 b 的 ID 不一样了，这是为什么呢？

事实上，出于对性能优化的考虑，Python 内部会对 -5 到 256 的整型维持一个数组，起到一个缓存的作用。这样，每次你试图创建一个 -5 到 256 范围内的整型数字时，Python 都会从这个数组中返回相对应的引用，而不是重新开辟一块新的内存空间。

但是，如果整型数字超过了这个范围，比如上述例子中的 257，Python 则会为两个 257 开辟两块内存区域，因此 a 和 b 的 ID 不一样， a is b 就会返回 False 了。

通常来说，在实际工作中，当我们比较变量时，使用 ‘==’ 的次数会比 ‘is’ 多得多，因为我们一般更关心两个变量的值，而不是它们内部的存储地址。但是，当我们比较一个变量与一个单例（singleton）时，通常会使用 ‘is’ 。一个典型的例子，就是检查一个变量是否为 None：

1
2
3
4
5
6

if a is None:
      ...

if a is not None:
      ...

这里注意，比较操作符 ‘is’ 的速度效率，通常要优于 ‘==’ 。因为 ‘is’ 操作符不能被重载，这样，Python 就不需要去寻找，程序中是否有其他地方重载了比较操作符，并去调用。执行比较操作符 ‘is’ ，就仅仅是比较两个变量的 ID 而已。

但是 ‘==’ 操作符却不同，执行 a == b 相当于是去执行 a.eq(b) ，而 Python 大部分的数据类型都会去重载 eq 这个函数，其内部的处理通常会复杂一些。比如，对于列表， eq 函数会去遍历列表中的元素，比较它们的顺序和值是否相等。

不过，对于不可变（immutable）的变量，如果我们之前用 ‘==’ 或者 ‘is’ 比较过，结果是不是就一直不变了呢？

答案自然是否定的。我们来看下面一个例子：

1
2
3
4
5
6
7
8
9

t1 = (1, 2, [3, 4])
t2 = (1, 2, [3, 4])
t1 == t2
True

t1[-1].append(5)
t1 == t2
False

我们知道元组是不可变的，但元组可以嵌套，它里面的元素可以是列表类型，列表是可变的，所以如果我们修改了元组中的某个可变元素，那么元组本身也就改变了，之前用 ‘is’ 或者 ‘==’ 操作符取得的结果，可能就不适用了。

这一点，你在日常写程序时一定要注意，在必要的地方请不要省略条件检查。

浅拷贝和深度拷贝

接下来，我们一起来看看 Python 中的浅拷贝（shallow copy）和深度拷贝（deep copy）。

对于这两个熟悉的操作，我并不想一上来先抛概念让你死记硬背来区分，我们不妨先从它们的操作方法说起，通过代码来理解两者的不同。

先来看浅拷贝。常见的浅拷贝的方法，是使用数据类型本身的构造器，比如下面两个例子：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

l1 = [1, 2, 3]
l2 = list(l1)

l2
[1, 2, 3]

l1 == l2
True

l1 is l2
False

s1 = set([1, 2, 3])
s2 = set(s1)

s2
{1, 2, 3}

s1 == s2
True

s1 is s2
False

这里，l2 就是 l1 的浅拷贝，s2 是 s1 的浅拷贝。当然，对于可变的序列，我们还可以通过切片操作符 ‘:’ 完成浅拷贝，比如下面这个列表的例子：

1
2
3
4
5
6
7
8
9

l1 = [1, 2, 3]
l2 = l1[:]

l1 == l2
True

l1 is l2
False

当然，Python 中也提供了相对应的函数 copy.copy()，适用于任何数据类型：

1
2
3
4

import copy
l1 = [1, 2, 3]
l2 = copy.copy(l1)

不过，需要注意的是，对于元组，使用 tuple() 或者切片操作符 ‘:’ 不会创建一份浅拷贝，相反，它会返回一个指向相同元组的引用：

1
2
3
4
5
6
7
8
9

t1 = (1, 2, 3)
t2 = tuple(t1)

t1 == t2
True

t1 is t2
True

这里，元组 (1, 2, 3) 只被创建一次，t1 和 t2 同时指向这个元组。

到这里，对于浅拷贝你应该很清楚了。浅拷贝，是指重新分配一块内存，创建一个新的对象，里面的元素是原对象中子对象的引用。因此，如果原对象中的元素不可变，那倒无所谓；但如果元素可变，浅拷贝通常会带来一些副作用，尤其需要注意。我们来看下面的例子：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

l1 = [[1, 2], (30, 40)]
l2 = list(l1)
l1.append(100)
l1[0].append(3)

l1
[[1, 2, 3], (30, 40), 100]

l2
[[1, 2, 3], (30, 40)]

l1[1] += (50, 60)
l1
[[1, 2, 3], (30, 40, 50, 60), 100]

l2
[[1, 2, 3], (30, 40)]

这个例子中，我们首先初始化了一个列表 l1，里面的元素是一个列表和一个元组；然后对 l1 执行浅拷贝，赋予 l2。因为浅拷贝里的元素是对原对象元素的引用，因此 l2 中的元素和 l1 指向同一个列表和元组对象。

接着往下看。 l1.append(100) ，表示对 l1 的列表新增元素 100。这个操作不会对 l2 产生任何影响，因为 l2 和 l1 作为整体是两个不同的对象，并不共享内存地址。操作过后 l2 不变，l1 会发生改变：

1
2

[[1, 2, 3], (30, 40), 100]

再来看， l1[0].append(3) ，这里表示对 l1 中的第一个列表新增元素 3。因为 l2 是 l1 的浅拷贝，l2 中的第一个元素和 l1 中的第一个元素，共同指向同一个列表，因此 l2 中的第一个列表也会相对应的新增元素 3。操作后 l1 和 l2 都会改变：

1
2
3

l1: [[1, 2, 3], (30, 40), 100]
l2: [[1, 2, 3], (30, 40)]

最后是 l1[1] += (50, 60) ，因为元组是不可变的，这里表示对 l1 中的第二个元组拼接，然后重新创建了一个新元组作为 l1 中的第二个元素，而 l2 中没有引用新元组，因此 l2 并不受影响。操作后 l2 不变，l1 发生改变：

1
2

l1: [[1, 2, 3], (30, 40, 50, 60), 100]

通过这个例子，你可以很清楚地看到使用浅拷贝可能带来的副作用。因此，如果我们想避免这种副作用，完整地拷贝一个对象，你就得使用深度拷贝。

所谓深度拷贝，是指重新分配一块内存，创建一个新的对象，并且将原对象中的元素，以递归的方式，通过创建新的子对象拷贝到新对象中。因此，新对象和原对象没有任何关联。

Python 中以 copy.deepcopy() 来实现对象的深度拷贝。比如上述例子写成下面的形式，就是深度拷贝：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

import copy
l1 = [[1, 2], (30, 40)]
l2 = copy.deepcopy(l1)
l1.append(100)
l1[0].append(3)

l1
[[1, 2, 3], (30, 40), 100]

l2 
[[1, 2], (30, 40)]

我们可以看到，无论 l1 如何变化，l2 都不变。因为此时的 l1 和 l2 完全独立，没有任何联系。

不过，深度拷贝也不是完美的，往往也会带来一系列问题。如果被拷贝对象中存在指向自身的引用，那么程序很容易陷入无限循环：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import copy
x = [1]
x.append(x)

x
[1, [...]]

y = copy.deepcopy(x)
y
[1, [...]]

上面这个例子，列表 x 中有指向自身的引用，因此 x 是一个无限嵌套的列表。但是我们发现深度拷贝 x 到 y 后，程序并没有出现 stack overflow 的现象。这是为什么呢？

其实，这是因为深度拷贝函数 deepcopy 中会维护一个字典，记录已经拷贝的对象与其 ID。拷贝过程中，如果字典里已经存储了将要拷贝的对象，则会从字典直接返回，我们来看相对应的源码就能明白：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

def deepcopy(x, memo=None, _nil=[]):
    """Deep copy operation on arbitrary Python objects.

	See the module's __doc__ string for more info.
	"""

    if memo is None:
        memo = {}
    d = id(x) # 查询被拷贝对象 x 的 id
	y = memo.get(d, _nil) # 查询字典里是否已经存储了该对象
	if y is not _nil:
	    return y # 如果字典里已经存储了将要拷贝的对象，则直接返回
        ...    

总结

今天这节课，我们一起学习了 Python 中对象的比较和拷贝，主要有下面几个重点内容。

比较操作符 ‘==’ 表示比较对象间的值是否相等，而 ‘is’ 表示比较对象的标识是否相等，即它们是否指向同一个内存地址。

比较操作符 ‘is’ 效率优于 ‘==’ ，因为 ‘is’ 操作符无法被重载，执行 ‘is’ 操作只是简单的获取对象的 ID，并进行比较；而 ‘==’ 操作符则会递归地遍历对象的所有值，并逐一比较。

浅拷贝中的元素，是原对象中子对象的引用，因此，如果原对象中的元素是可变的，改变其也会影响拷贝后的对象，存在一定的副作用。

深度拷贝则会递归地拷贝原对象中的每一个子对象，因此拷贝后的对象和原对象互不相关。另外，深度拷贝中会维护一个字典，记录已经拷贝的对象及其 ID，来提高效率并防止无限递归的发生。

思考题

最后，我为你留下一道思考题。这节课我曾用深度拷贝，拷贝过一个无限嵌套的列表。那么。当我们用等于操作符 ‘==’ 进行比较时，输出会是什么呢？是 True 或者 False 还是其他？为什么呢？建议你先自己动脑想一想，然后再实际跑一下代码，来检验你的猜想。

1
2
3
4
5
6
7
8
9

import copy
x = [1]
x.append(x)

y = copy.deepcopy(x)

# 以下命令的输出是？
x == y

欢迎在留言区写下你的答案和学习感想，也欢迎你把这篇文章分享给你的同事、朋友。我们一起交流，一起进步。