深入理解Python中的可变与不可变类型——以interpy-ru项目为例
2025-05-31 18:11:55作者:胡唯隽
可变与不可变类型的基本概念
在Python编程中,理解可变(mutable)和不可变(immutable)类型的区别至关重要。可变对象是指创建后可以被修改的对象,而不可变对象一旦创建就不能被修改。
不可变类型包括:
- 数字类型(int, float, complex)
- 字符串(str)
- 元组(tuple)
- 布尔值(bool)
- frozenset
可变类型包括:
- 列表(list)
- 字典(dict)
- 集合(set)
- 用户自定义类(多数情况下)
可变类型带来的"意外"行为
让我们通过一个典型例子来理解可变类型的特性:
original_list = [1, 2, 3]
new_list = original_list
new_list.append(4)
print(original_list) # 输出: [1, 2, 3, 4]
很多初学者会惊讶地发现,修改new_list竟然影响了original_list。这是因为在Python中,变量赋值实际上是创建了对同一对象的引用,而不是创建新对象。
函数参数中的可变陷阱
可变类型在函数参数中尤其需要注意。考虑以下函数:
def add_item(item, container=[]):
container.append(item)
return container
多次调用这个函数会产生意外结果:
print(add_item(1)) # [1]
print(add_item(2)) # [1, 2]
print(add_item(3)) # [1, 2, 3]
这是因为默认参数在函数定义时就被求值并创建,而不是每次调用时创建新对象。
正确的处理方式
为了避免这种问题,应该这样编写函数:
def add_item(item, container=None):
if container is None:
container = []
container.append(item)
return container
这样每次调用时如果没有提供container参数,都会创建一个新的空列表:
print(add_item(1)) # [1]
print(add_item(2)) # [2]
print(add_item(3)) # [3]
深拷贝与浅拷贝
当需要复制可变对象而不共享引用时,可以使用copy模块:
import copy
original = [[1, 2], [3, 4]]
shallow = copy.copy(original) # 浅拷贝
deep = copy.deepcopy(original) # 深拷贝
浅拷贝只复制最外层容器,而深拷贝会递归复制所有嵌套对象。
实际开发中的建议
- 尽量使用不可变类型作为函数默认参数
- 当需要修改传入的可变参数时,考虑是否需要先创建副本
- 明确文档记录函数是否会修改传入的可变参数
- 在团队协作中,特别注明可变参数的预期行为
理解可变与不可变类型的区别是成为Python高级开发者的重要一步。通过合理使用这些特性,可以编写出更安全、更可预测的代码。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322