Python赋值逻辑的实现

目录

• 摘要：
• 第一章 引例
• 第二章 Python 的“反直觉”
• 第三章 回答第一章的问题

摘要：

如果你学过 C 语言，那么当你初见 Python 时可能会觉得 Python 的赋值方式略有诡异：好像差不多，但又好像哪里有点不太对劲。

本文比较并解释了这种赋值逻辑上的差异。回答了为什么需要这种赋值逻辑以及如何使用这种赋值逻辑的问题。

当然，即使未学过 C 语言，也可通过本文更好地了解 Python 的赋值逻辑——这种赋值逻辑影响着 Python 的方方面面，从而可以让你更好地理解和编写 Python 程序。

第一章 引例

先来看一组似乎矛盾的代码：

# 代码 1
 
>>> a = 3
>>> b = a
>>> b = 5
>>> a
3

这看上去似乎很好理解。第二步中， a 只是把值复制给 b，然后 b 又被更新为 5，a 和 b 是两个独立的变量，那么 a 的值当然不会受到影响。

真的是这样吗？

再来看一段代码：

# 代码 2
 
>>> a = [1, 2, 3]
>>> b = a
>>> b[0] = 1024
>>> a
[1024, 2, 3]

第二步中，a 只是复制把列表复制给 b，然后更新 b[0] 的值，最后输出 a，可是 a 竟然也被改变了。

按照代码 1 的逻辑（即变量之间独立），代码 2 的中的 a 不应该受到影响。

为什么出现了这样的差异？

第二章 Python 的“反直觉”

先不解释上面那个“看似矛盾”的问题。

先来看看另一组简单的 Python 代码在内存中是什么样子的：

# 代码 3
 
b = 3
b = b + 5

它在内存中的操作示意图是这样的：

然而，从代码的的字面意思上看，“把 3 赋给 b，把 b 加 5 之后再赋给 b。”

也就是把代码看成这个样子：

b ← 3b ← b + 5

所以下面这张在内存中的操作图可能更符合我们的直觉：

也即 b + 5 的值又写回到 b 中。典型的 C 程序就是这样的。为变量 b 分配一个 int 型的内存单元，然后将整数 3 存放在该内存单元中。b 就代表了该块内存空间，不再移动，可以更新 b 的值，但 b 在内存中的地址就不再变化了。所以我们说 b = b + 5，就等于 b ← b + 5，把 b 的值加 5 之后还依然放入 b 中。 变量 b 和它所在内存空间紧紧绑定在一起，人形合一。

而再看看上面 Python 中的内存示意图，b + 5 得到了一个新值，然后令 b 指向了这个新值。换句话说，它做的是事情是这样的：

b → 3
b → b + 5

先令 b 指向 3，再令 b 指向 b + 5 这个新值。

C 程序更新的是内存单元中存放的值，而 Python 更新的是变量的指向。
C 程序中变量保存了一个值，而 Python 中的变量指向一个值。

如果说 C 程序是通过操纵内存地址而间接操作数据(每个变量固定对应一个内存地址，所以说操纵变量就是操纵内存地址），数据处于被动地位，那么 Python 则是直接操纵数据，数据处于主动地位，变量只是作为一种引用关系而存在，而不再拥有存储功能。

在 Python 中，每一个数据都会占用一个内存空间，如 b + 5 这个新的数据也占用了一个全新的内存空间。

Python 的这种操作让数据成为主体，数据与数据之间直接进行交互。

而数据在 Python 中被称为对象 (Object)。

这句话并不太严谨。不过在这个简单的例子中是成立的。

一个整数 3 是一个 int 型对象，一个 'hello' 是一个字符串对象，一个 [1, 2, 3] 是一个列表对象。

Python 把一切数据都看成「对象」。它为每一个对象分配一个内存空间。 一个对象被创建后，它的 id 就不再发生变化。

id 是 identity 的缩写。意为“身份；标识”。
在 Python 中，可以使用 id()，来获得一个对象的 id，可以看作是该对象在内存中的地址。

一个对象被创建后，它不能被直接销毁。因此，在上个例子中，变量 b 首先指向了对象 3，然后继续执行 b + 5，b + 5 产生了一个新的对象 8，由于对象 3 不能被销毁，则令 b 指向新的对象 8，而不是用对象 8 去覆盖对象 3。在代码执行完成后，内存中依然有对象 3，也有对象 8，变量 b 指向了对象 8。

如果没有变量指向对象 3（即无法引用它了），Python 会使用垃圾回收算法来决定是否回收它（这是自动的，不需要程序编写者操心）。

一个旧的对象不能被覆盖，因旧的对象交互而新产生的数据会放在新的对象中。也就是说每个对象是一个独立的个体，每个对象都有自己的“主权”。因此，两个对象的交互可以产生一个新的对象，而不会对原对象产生影响。在大型程序中，各个对象之间的交互错综复杂，这种独立性则使得这些交互足够安全。

C 程序为每个变量都分配一个了固定的内存地址，这保证了 C 变量之间的独立性。

C 语言是变量（也即内存地址）之间的交互，Python 是对象（数据）之间的交互。这是两种不同的交互方式。

那么，Python 这种数据之间直接进行交互的好处体现在哪里？

很遗憾，这并不是本文所要讨论的内容，该部分属于面向对象设计的核心内容。本文只是对 Python 的这种交互方式与 C 语言的交互方式做了一些比较，以区分两者在逻辑与物理上的差异所在。

相信这种逻辑会帮助你更好地编写 Python 程序，并且帮助你在日后更加深入地理解面向对象的程序设计。

本章补充:
Python 的赋值更改的是变量的指向关系，因此，对于 Python，从前向后阅读一个赋值表达式会更加容易理解。

// C 语言
b ← b + 5	// 把 b+5 的值赋给 b

# Python
b → b + 5	# 令 b 指向 b + 5

第三章 回答第一章的问题

先看代码 1：

# 代码 1
 
>>> a = 3
>>> b = a
>>> b = 5
>>> a
3

Python 中所有的数据都是对象，数字类型也不例外。3 是一个 int 类型的对象，5 也是一个 int 型的对象。
第一行，a 指向对象 3。
第二行，令 b 也指向 a 所指向的对象 3。
第三行，因为对象不可被覆盖（销毁），令 b 指向新对象 5，则只剩下 a 指向对象 3。
第四行，输出 a，得到 3。

在内存中的操作示意图 (Python)：

这与第一章中的解释完全不同，第一章中的解释是用 C 语言解释的：

这是两种完全不一样的机制。

Python 中 b 首先指向了对象 3，然而因为对象之间的独立性，一个对象不能去覆盖另一个对象，则令 b 指向对象 5，而不是将对象 3 在内存中替换为对象 5。

再来看代码 2：

# 代码 2
 
>>> a = [1, 2, 3]
>>> b = a
>>> b[0] = 1024
>>> a
[1024, 2, 3]

第一行，令 a 指向一个列表 [1, 2, 3]；
第二行，令 b 也指向 a 所指向的列表；
第三行，令 b[0] = 1024，1024 虽然是一个对象，但它并没有试图覆盖b所指向的对象，而是对该对象的第一个元素进行修改。修改，而不是覆盖，所以它可以原对象进行操作，而不是令 b 指向修改后的对象。
所在第四行输出的 a 所指向的列表也发生了变化。

在内存中的操作示意图 (Python)：

这种对象的值可以修改的对象被称为可变对象 (immutable object)。常见的列表、字典为可变对象。

因为它的值可以被修改，因此如果有多个变量指向该列表：

a = [1, 2, 3]
b = a
c = a
d = a
...

那么使用 b, c, d, ... 的任何一个变量都能访问该对象并修改其中的内容。这种特性常常被我们用于函数的参数传递，如果函数的参数是可变对象，那么函数可以对“实参”中的内容进行修改：

>>> a = [1, 2, 3]
>>> def change(t):
		t[0] = 1024
 
>>> change(a)
>>> a
[1024, 2, 3]
>>>  

调用函数 change 时，令 t 也指向了 a 所指向的列表，然后使用 t 更改了列表中的第一个元素，更改，而不是覆盖，因此对 t 所指向的对象的更改也改变了“实参” a 所指向的对象。而 C 语言则因为实参到形参是值传递，则无法改变实参的内容（虽然借助指针可以实现，但这里只说一般情况下）。

但在函数以外的区域，我们要尽量避免这样使用，这很容易导致出错（当然，有时候会很有用，这取决于你的程序）。比如，在多人协作编程时，如果甲不小心修改了某可变对象，那么乙、丙、丁等用到该对象的人都会受到影响。

而对于不可变对象 (immutable object)，即其值无法更改的对象，传入函数时则不会影响“实参”的值：

>>> a = 5
>>> def add(n):
		n = n + 2
 
>>> add(a)
>>> a
5

调用函数 add 时，令 n 也指向了 a 所指向的对象 5, 再执行 n = n + 2，n 所指向的对象 5 与对象 2 相加得到了一个新的对象 7，由于一个对象不能覆盖另一个对象，则 n 指向新的对象 7，而没有改变原对象。因此 a 的值未发生变化。虽然与 C 程序的结果一致，但与 C 程序的机制完全不同，C 程序之所以没改变 a，是因为调用函数时只发生了值传递，即只把 a 的值复制给了 n。

不要混淆这两种赋值逻辑，它们有着完全不同的物理实现方式。

不同的思维逻辑会导致不同的编写逻辑。尽管这两种逻辑在很多情况下的结果是一致的，但并不能就简单地认为它们是一致的。否则在一些小的细节方面出了错误，就会难以理解。只能死记硬背，把一些东西当作 Python 的特例来记，虽然「唯手熟尔」也可以让你走得很远，但思维正确时，不仅可以走得更远，也会走得更加轻松。

比如，当你的思维清晰时，以下问题的答案自然也就水落石出了：

• 为什么列表的方法的返回值大多是 None？
• 为什么字符串的方法的返回值大多是一个新的对象？
• 为什么 Python 中没有自增/自减运算符？
• 为什么有的可变对象传入函数之后，却不能被函数修改“实参”的值？
  （比如将上面的 change 函数的主体改成 t = t[1:]。调用函数之后，a 所指向的对象并没有发生改变。）
• ……

这些内容与本文主题不大相关，所以不再列出答案。

有趣的补充：

1. 数字是一个天然的不可变对象(immutable object)。
对于 n = n + 2，有人可能会说，为什么不能把它看成像列表那样的修改，修改后 n 依然指向的是原对象，这样的话执行 add(a) 之后，a 就会变成 7 了，可为什么不是这样？
因为每一个数字都是一个单个的对象，而对象不能覆盖对象。所以该句实际上是： a 指向的对象加上对象 2，产生了一个新的对象，然后令 a 指向了新对象 a + 2。
因此，数字类型并不存在修改这一说，它是一个天然的不可变对象。

2. 为什么 Python 中没有自增(++)、自减(--)运算符？
自增或自减运算符，在 C 语言中很常用，简洁实用。但在 Python 中却一定不会有。上节说到，数字是天然的不可变对象，所谓自增就是自身增加，所以它无法自增。它只能从一个对象指向下一个对象。可以这样写 a += 1。
3. 既然 Python 更改的只是引用关系，那么如何复制一个列表？

# 答案：
## 1. 使用 list 的 copy 方法
b = a.copy()
## 2. 使用 slice 操作
b = a[:]	# slice 操作返回一个新的对象

# 答案：
## 1. 使用 list 的 copy 方法
b = a.copy()
## 2. 使用 slice 操作
b = a[:]	# slice 操作返回一个新的对象

到此这篇关于Python赋值逻辑的实现的文章就介绍到这了,更多相关Python赋值逻辑内容请搜索自由互联以前的文章或继续浏览下面的相关文章希望大家以后多多支持自由互联！