Python赋值逻辑的实现

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