python变量赋值方法(可变与不可变)

python中不存在所谓的传值调用，一切传递的都是对象的引用，也可以认为是传址。

一、可变对象和不可变对象

Python在heap中分配的对象分成两类：可变对象和不可变对象。所谓可变对象是指，对象的内容可变，而不可变对象是指对象内容不可变。

不可变（immutable）：int、字符串(string)、float、（数值型number）、元组（tuple)

可变（mutable）：字典型(dictionary)、列表型(list)

不可变类型特点：

看下面的例子（例1）

i = 73
i += 2

从上图可知，不可变对象的特征没有变，变的只是创建了新对象，改变了变量的对象引用。

看一个例子（例2） 　　

>>>x = 1
>>>y = 1
>>>z = 1
>>> x is y
True
>>>y is z
True

如上所示，因为整数为不可变，x,y,z在内存中均指向一个值为1的内存地址，也就是说，x,y,z均指向的是同一个地址，值得注意的是，整形来说，目前仅支持(-1,100)。

总结一下，不可变对象的优缺点。

优点是，这样可以减少重复的值对内存空间的占用。

缺点呢，如例1所示，我要修改这个变量绑定的值，如果内存中没用存在该值的内存块，那么必须重新开辟一块内存，把新地址与变量名绑定。而不是修改变量原来指向的内存块的值，这回给执行效率带来一定的降低。

下面看一个可变对象的例子（例3） 　　

m=[5,9]
m+=[6]

二、函数参数：

Python函数参数对于可变对象，函数内对参数的改变会影响到原始对象；对于不可变对象，函数内对参数的改变不会影响到原始参数。原因在于：

1、可变对象，参数改变的是可变对象，其内容可以被修改。

2、不可变对象，改变的是函数内变量的指向对象。

比如存在2个列表 a 和 b

如果a=b的话， a和b的地址是相同的；如果只是想拷贝，那么就得用 a=b[:]

def mutable(b = []): #函数使用了缺省变量
b.append(0)
return b
>>>mutable()
[0]
>>>mutable()
[0,0]
>>>mutable()
[0,0,0]

这里连续三次以缺省值，运行函数3此，每次的结果都不一样，按我们的想想，三次的结果，应该是一样的，都为[0]，但是…

那么原因是什么呢，前面说过，一切皆为对象，函数mutable也为一个对象，使用dir()查看函数的属性：

dir(mutable)

['__annotations__', '__call__', '__class__', '__closure__', '__code__', '__defaults__', '__delattr__', '__dict__', '__doc__', '__eq__', '__format__', '__ge__', '__get__', '__getattribute__', '__globals__', '__gt__', '__hash__', '__init__', '__kwdefaults__', '__le__', '__lt__', '__module__', '__name__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__',

上面我们三次运行了mutable这个函数，如果用mutable.__defaults__来查看函数对象的默认参数变化的话，就会发现问题了。

>>>mutable.__defaults__
([],)
>>>mutable()
[0]
>>>mutable.__defaults__
([0],)
>>>mutable()
[0,0]
>>>mutable.__defaults__
([0,0],)

仔细观察，类对象内部属性dict中'x'对应的值，在每创建一个对象时都发生了变化。也就是说，在每次创建类对象时，变量x引用内存的初始值是不同的，这终要归因于列表(list)的可变性导致的。每次创建对象时，因为列表的可变性，函数对象b的dict属性中，x键对应的值，被改变，而不是重新创建，所以出现了上面的结果。

综上：初学者如果不充分理解python的变量和类型和参数传递方式，或者是一切解释对象的原理，会很容易产生上面的错误。

以上这篇python变量赋值方法(可变与不可变)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

• 浅谈Python中的可变对象和不可变对象
• python中的不可变数据类型与可变数据类型详解
• python 解决动态的定义变量名,并给其赋值的方法(大数据处理)
• 深入理解Python中变量赋值的问题
• Python变量赋值的秘密分享