python(以及大多数主流语言)中的对象作为引用传递。
例如,如果我们以 numpy 为例,通过索引现有数组创建的“新”数组只是原始数组的视图。例如:
import numpy as np
>>> vec_1 = np.array([range(10)])
>>> vec_1
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> vec_2 = vec_1[3:] # let vec_2 be vec_1 from the third element untill the end
>>> vec_2
array([3, 4, 5, 6, 7, 8, 9])
>>> vec_2[3] = 10000
array([3, 4, 5, 10000, 7, 8, 9])
>>> vec_1
array([0, 1, 2, 3, 4, 5, 10000, 7, 8, 9])
Numpy 有一个方便的方法来帮助您解决问题,称为 may_share_memory(obj1, obj2)。所以:
>>> np.may_share_memory(vec_1, vec_2)
True
请小心,因为该方法有可能返回误报(尽管我从未见过)。
在 SciPy 2013 上有一个关于 numpy 的教程(http://conference.scipy.org/scipy2013/tutorial_detail.php?id=100 http://conference.scipy.org/scipy2013/tutorial_detail.php?id=100)。最后,这家伙谈到了 numpy 如何处理内存。看它。
根据经验,默认情况下对象几乎不会作为值传递。即使是封装在另一个对象上的。另一个例子,列表进行游览:
Class SomeClass():
def __init__(a_list):
self.inside_list = a_list
def get_list(self):
return self.inside_list
>>> original_list = range(5)
>>> original_list
[0,1,2,3,4]
>>> my_object = SomeClass(original_list)
>>> output_list = my_object.get_list()
>>> output_list
[0,1,2,3,4]
>>> output_list[4] = 10000
>>> output_list
[0,1,2,3,10000]
>>> my_object.original_list
[0,1,2,3,10000]
>>> original_list
[0,1,2,3,10000]
令人毛骨悚然,是吧?
使用赋值符号(“=”),或在函数末尾返回一个,您将始终创建一个指向该对象或其一部分的指针。仅当您明确这样做时才会复制对象,使用像 some_dict.copy 或 array[:] 这样的复制方法。例如:
>>> original_list = range(5)
>>> original_list
[0,1,2,3,4]
>>> my_object = SomeClass(original_list[:])
>>> output_list = my_object.get_list()
>>> output_list
[0,1,2,3,4]
>>> output_list[4] = 10000
>>> output_list
[0,1,2,3,10000]
>>> my_object.original_list
[0,1,2,3,10000]
>>> original_list
[0,1,2,3,4]
Got it?