python怎么引用

python垃圾回是采用引用计数的。

所以变量值勤告诉的内存地址会一样。

今天浏览博客的时候看到这么一句话： python中变量名和对象是分离的；最开始的时候是看到这句话的时候没有反应过来。决定具体搞清楚一下python中变量与对象之间的细节。（其实我感觉应该说 引用和对象分离 更为贴切）

　　从最开始的变量开始思考：

　　　在python中，如果要使用一个变量，不需要提前进行声明，只需要在用的时候，给这个变量赋值即可 (这个和C语言等静态类型语言不同，和python为动态类型有关)。

　　　举第一个栗子：

　　　　a = 1

　　　这是一个简单的赋值语句，整数 1 为一个对象，a 是一个引用，利用赋值语句，引用a指向了对象1；这边形象比喻一下：这个过程就相当于“放风筝”，变量a就是你手里面的“线”，python就跟那根“线”一样，通过引用来接触和拴住天空中的风筝——对象。

　　　你可以通过python的内置函数 id() 来查看对象的身份(identity)，这个所谓的身份其实就是 对象 的内存地址：

　　　　注：

　　　　　python一切皆对象的理念，所以函数也是一个对象，因此可以使用 id() 函数的__doc__方法来查看这个函数的具体描述：

1
2

id.__doc__

"id(object) -> integer\n\nReturn the identity of an object. This is guaranteed to be unique among\nsimultaneously existing objects. 　　　　　　(Hint: it's the object's memory address.)"

　　　第二个栗子：

　　　　a = 2

　　　　a = 'banana'

　　　利用上面第一个栗子用到的 id()函数：　　　　

1
2
3
4
5
6

a = 1
id(a)

24834392

a = 'banana'
id(a)

139990659655312
　　　　第一个语句中， 2是储存在内存中的一个整数对象，通过赋值 引用a 指向了 对象 1

　　　　第二个语句中，内存中建立了一个字符串对象‘banana’，通过赋值 将 引用a 指向了 ‘banana’，同时，对象1不在有引用指向它，它会被python的内存处理机制给当我垃圾回收，释放内存。

　　　第三个栗子：

　　　　a = 3

　　　　b = 3

　　　通过函数查看 变量a 和 变量b的引用情况：　

1
2
3
4
5
6

a = 3
b = 3
id(a)

10289448

id(b)

10289448
　　在这里可以看到 这俩个引用 指向了同一个 对象，这是为什么呢？ 这个跟python的内存机制有关系，因为对于语言来说，频繁的进行对象的销毁和建立，特别浪费性能。所以在Python中，整数和短小的字符，Python都会缓存这些对象，以便重复使用。

　　　第四个栗子：

　　　　1. a = 4

　　　　2. b = a（这里就是让引用b指向引用a指向的那个对象）

　　　　3. a = a + 2

　　　通过函数查看引用情况：

　　　　当执行到第2步的时候，查看一下 a 和 b 的引用：　　　　　　

1
2
3
4
5
6

a = 4
b = a
id(a)

36151568

id(b)

36151568
　　　　可以看到 a 和 b 都指向了 整数对象 4

　　　　接下来指向第3步：

1
2
3
4
5

a = a+2
id(a)

36151520

id(b)

36151568
　　　　可以看到 a 的引用改变了，但是 b 的引用未发生改变；a，b指向不同的对象； 第3句对 a 进行了重新赋值，让它指向了新的 对象6；即使是多个引用指向同一个对象，如果一个引用值发生变化，那么实际上是让这个引用指向一个新的引用，并不影响其他的引用的指向。从效果上看，就是各个引用各自独立，互不影响。

　　　第五个栗子（这个栗子会涉及到 python中的 可变数据类型 和 不可变数据类型）：

　　　开始这个栗子之前，请记得注意到 第四个栗子的不同之处。

　　　　　1. L1 = [1, 2, 3]

　　　　　2. L2 = L1

　　　　　3. L1[0] = 10

　　　通过函数查看引用情况：

　　　　　当执行第1步 和 第二步 的时候，查看一下 L1 和 L2 的引用情况：

1
2
3
4
5
6

L1 = [1,2,3]
L2 = L1
id(L1)

139643051219496

id(L2)

139643051219496
　　　　　此时 L1 和 L2 的引用相同，都是指向 [1,2,3]这个列表对象。

　　　　　接下来，继续执行第3步：

1
2
3
4
5
6
7

L1[0] = 10
id(L1)

139643051219496

id(L2)

139643051219496

L2

[10, 2, 3]
　　　　　同样的跟第四个栗子那样，修改了其中一个对象的值，但是可以发现 结果 并不与 第四个栗子那样， 在本次实验中，L1 和 L2 的引用没有发生任何变化，但是 列表对象[1,2,3] 的值 变成了 [10,2,3]（列表对象改变了）

　　　　　在该情况下，我们不再对L1这一引用赋值，而是对L1所指向的表的元素赋值。结果是，L2也同时发生变化。

　　　　　原因何在呢？因为L1，L2的指向没有发生变化，依然指向那个表。表实际上是包含了多个引用的对象（每个引用是一个元素，比如L1[0]，L1[1]..., 每个引用指向一个对象，比如1,2,3), 。而L1[0] = 10这一赋值操作，并不是改变L1的指向，而是对L1[0], 也就是表对象的一部份(一个元素)，进行操作，所以所有指向该对象的引用都受到影响。

（与之形成对比的是，我们之前的赋值操作都没有对对象自身发生作用，只是改变引用指向。）

　　　　　列表可以通过引用其元素，改变对象自身(in-place change)。这种对象类型，称为可变数据对象(mutable object)，词典也是这样的数据类型。

　　　　　而像之前的数字和字符串，不能改变对象本身，只能改变引用的指向，称为不可变数据对象(immutable object)。

　　　　　我们之前学的元组(tuple)，尽管可以调用引用元素，但不可以赋值，因此不能改变对象自身，所以也算是immutable object.

　　　　is关键字：

　　　　当然，我们也可以要想知道是否指向同一个对象，我们可以使用 python的 is 关键词，is用于判断两个引用所指的对象是否相同。

　　　　就像上述第四个栗子 当进行到 第1步 和 第2步 的时候：

1
2
3
4

a = 4 ……id(a) = 36151568
b =a ……id(b) = 36151568
a is b

True
　　　　当进行到第3步的时候：

1
2
3

a = a + 2 ……id(a) = 36151520
a is b ……id(b) = 36151568

False
　　　　　　　　　　　　　　

　　　　突然想到，对于python 的 深拷贝 和 浅拷贝 的理解，也是可以根据这个进行验证，可以通过第五个栗子进行辅助理解。