函数内部变量的赋值更改函数外部的赋值-Python

我从使用Matlab转到了Python，使用函数时的变量赋值让我感到困惑

我有一个代码如下：

a = [1,1,1]

def keeps(x):
    y = x[:]
    y[1] = 2
    return y

def changes(x):
    y = x
    y[1] = 2
    return y

aout = keeps(a)
print(a, aout)

aout = changes(a)
print(a, aout)

第一个print语句给出

[1,1,1][1,2,1]

，而

第二个给出了

[1,2,1][1,2,1]

我的理解是（来自Matlab）函数中变量的操作是局部的。但是在这里，如果我不在函数内部复制变量，那么函数外部的值也会改变。这几乎就像变量被定义为

global

---

如果有人能够解释变量在这两种方法中的分配方式是如何不同的，那么这将非常有帮助。如果有人希望向函数发送变量而不影响函数外部的值，那么最好的做法是什么？谢谢。

参数传递是通过赋值完成的。在

更改中

，隐式发生的第一件事是

x=a

当您调用

时，更改（a）

。由于助理从不复制数据，因此您会变异

a

在

keeps

中，您没有变异参数列表，因为

x[：]

正在创建一个（浅层）副本，然后将名称

y

分配给该副本

---

我强烈建议观看。

参数传递是通过赋值完成的。在

更改中

，隐式发生的第一件事是

x=a

当您调用

时，更改（a）

。由于助理从不复制数据，因此您会变异

a

在

keeps

中，您没有变异参数列表，因为

x[：]

正在创建一个（浅层）副本，然后将名称

y

分配给该副本

---

我强烈建议您观看。

让我们看看您的代码，但首先，我们将在顶部设置函数声明的模式，以便执行顺序更加清晰

def keeps(x):
    y = x[:]  #Here you are creating a modifiable copy of the original x list and referencing it with y
    y[1] = 2
    return y

def changes(x):
    y = x  # Here you are just referencing x itself with a new name y
    y[1] = 2
    return y

a = [1,1,1]

aout = keeps(a)
print(a, aout)

aout = changes(a)
print(a, aout)

---

基本上，如果您只是将另一个变量名分配给一个列表，那么您将为同一个对象指定两个名称，因此内容中的任何更改都可能影响两个“列表”。当您使用

y=x[：]

时，实际上是在内存中通过列表切片创建

x

列表的新副本，并将新变量名

y

分配给该列表的新副本。

让我们看看您的代码，但首先，我们将函数声明置于顶部，这样执行的顺序就更清楚了

def keeps(x):
    y = x[:]  #Here you are creating a modifiable copy of the original x list and referencing it with y
    y[1] = 2
    return y

def changes(x):
    y = x  # Here you are just referencing x itself with a new name y
    y[1] = 2
    return y

a = [1,1,1]

aout = keeps(a)
print(a, aout)

aout = changes(a)
print(a, aout)

---

基本上，如果您只是将另一个变量名分配给一个列表，那么您将为同一个对象指定两个名称，因此内容中的任何更改都可能影响两个“列表”。当您使用

y=x[：]

时，实际上是在内存中通过列表切片创建

x

列表的新副本，并将新变量名

y

分配给该列表的新副本。

可能是重复的，绝对有用：欢迎使用Python。正如您已经注意到的，并非所有语言都以相同的方式工作，因此，尽管它们通常有共同的概念（变量、函数、迭代、条件等），但您会发现这些概念的实现在不同的语言之间可能有很大的差异，因此不要假设表面上的相似性意味着相似的行为-注意，花点时间学习新语言，不要先入为主，这样你将节省大量的时间、痛苦和挫折。可能重复的可能重复的可能重复的可能重复的，绝对有用：欢迎使用Python。正如您已经注意到的，并非所有语言都以相同的方式工作，因此，尽管它们通常有共同的概念（变量、函数、迭代、条件等），但您会发现这些概念的实现在不同的语言之间可能有很大的差异，因此不要假设表面上的相似性意味着相似的行为-注意，花点时间学习新的语言，不要先入为主，这样你会节省很多时间、痛苦和挫折