3.python基础补充（集合，collection系列，深浅拷贝）

一.集合

1.集合(set)：

把不同的元素组成一起形成集合，是python基本的数据类型。集合元素(set elements):组成集合的成员

python的set和其他语言类似, 是一个无序不重复元素集, 基本功能包括关系测试和消除重复元素. 集合对象还支持union(联合), intersection(交), difference(差)和sysmmetric difference(对称差集)等数学运算.  

sets 支持 x in set, len(set),和 for x in set。作为一个无序的集合，sets不记录元素位置或者插入点。因此，sets不支持 indexing, slicing, 或其它类序列（sequence-like）的操作。 

2.集合的创建

1
2
3
4
5
6
7
8
9
10
11
se = set([11,22,33,44])
print(se)
{33, 11, 44, 22}
print(type(se))
<class 'set'>
或者
>>> se = {'liu','yao'}
>>> se
{'yao', 'liu'}
>>> type(se)
<class 'set'>

集合的使用

具体用法：

1.add(添加元素)

1
2
3
>>> se.add('123')
>>> se
{'yao', 'liu', '123'}

2.clear(清空集合)

 

1
2
3
>>> se.clear()
>>> se
set()

3.copy(浅拷贝)

1
2
3
4
>>> se_1 = {'liu','yao'}
>>> se_2=se_1.copy()
>>> se_2
{'yao', 'liu'}

4.difference差异比较

1
2
3
4
5
6
7
8
>>> se_1 = {'liu','yao','shi','shei'}
>>> se_2 = {'haode','shi','liu'}
#取出se_2中在se_1所没有的元素
>>> se_1.difference(se_2)
{'yao', 'shei'}
#取出se_1中在se_2所没有的元素
>>> se_2.difference(se_1)
{'haode'}

5.difference_update差异更新

 

1
2
3
4
5
6
7
>>> se_1
{'shi', 'yao', 'liu'}
>>> se_2
{'shi', 'liu', 'haode'}
>>> se_1.difference_update(se_2)
>>> se_1
{'yao'}

6.discard移除指定元素

1
2
3
4
5
>>> se_1
{'shi', 'yao', 'shei', 'liu'}
>>> se_1.discard('shei')
>>> se_1
{'shi', 'yao', 'liu'}

7.intersection取交集并且建立新的集合

 

1
2
3
4
>>> se_1={'liu','yao','shi','sha','bi'}
>>> se_2={'liu','yao','shi','er','bi'}
>>> se_1.intersection(se_2)
{'liu', 'shi', 'yao', 'bi'}

8.intersection_update取交集并且更新原来的集合

 

1
2
3
4
5
>>> se_1={'liu','yao','shi','sha','bi'}
>>> se_2={'liu','yao','shi','er','bi'}
>>> se_1.intersection_update(se_2)
>>> se_1
{'liu', 'shi', 'yao', 'bi'}

9.isdisjoint判断没有交集，没有返回true，有返回false

 

1
2
3
4
5
6
7
8
9
10
11
>>> se_1={'liu','yao','shi','sha','bi'}
>>> se_2={'liu','yao','shi','er','bi'}
>>> se_1.isdisjoint(se_2)
False
>>> se_2.isdisjoint(se_1)
False
或
>>> se_1={'liu','yao'}
>>> se_2={'liuu','yaoo'}
>>> se_2.isdisjoint(se_1)
True

10.issubset判断是否为子集

1
2
3
4
5
>>> se_1 = {'liu','yao'}
>>> se_2 = {'liu','yao','shabi'}
#判断se_1是否为se_2的子集
>>> se_1.issubset(se_2)
True

11.issuperset判断是否为父集

1
2
3
4
5
6
7
8
9
>>> se_1 = {'liu','yao'}
>>> se_2 = {'liu','yao','shabi'}
#判断se_1是否为se_2的父集
>>> se_1.issuperset(se_2)
False
#判断se_2是否为se_1的父集
>>> se_2.issuperset(se_1)
True
>>>

12.pop移除集合元素

1
2
3
>>> se_1 = {'liu','yao','sha','bi'}
>>> se_1.pop()
'sha'

13.remove删除指定元素集合

1
2
3
4
5
>>> se_1 = {'liu','yao','sha','bi'}
>>> se_1.remove('bi')
>>> se_1
{'sha', 'liu', 'yao'}
>>>

14.symmetric_difference取两个集合的差集，并建立新的元素

1
2
3
4
5
6
7
>>> se_1 = {'liu','yao','sha','bi'}
>>> se_2 = {'liu','yao','shabi'}
>>> se_1.symmetric_difference(se_2)
{'sha', 'shabi', 'bi'}
>>> b=se_1.symmetric_difference(se_2)
>>> b
{'sha', 'shabi', 'bi'}

15.symmetric_difference_update取两个集合的差集，更新原来的集合对象

1
2
3
4
5
>>> se_1 = {'liu','yao','sha','bi'}
>>> se_2 = {'liu','yao','shabi'}
>>> se_1.symmetric_difference_update(se_2)
>>> se_1
{'sha', 'shabi', 'bi'}

16.union并集

1
2
3
4
5
6
>>> se_1
{'sha', 'shabi', 'bi'}
>>> se_2
{'shabi', 'liu', 'yao'}
>>> se_1.union(se_2)
{'yao', 'sha', 'shabi', 'liu', 'bi'}

17.update更新集合

1
2
3
4
5
>>> se_1
{'sha', 'shabi', 'bi'}
>>> se_1.update('liuyao')
>>> se_1
{'y', 'o', 'shabi', 'bi', 'u', 'i', 'sha', 'l', 'a'}

案例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
old_dict = {
    "#1":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 },
    "#2":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 },
    "#3":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 }
}
new_dict = {
    "#1":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 800 },
    "#3":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 },
    "#4":{ 'hostname':'c2', 'cpu_count': 2, 'mem_capicity': 80 }
}
#获取old_dict元素
old = set(old_dict.keys())
print(old)
#获取new_dict元素
new = set(new_dict.keys())
print(new)
#要更新的集合元素（交集）
update_set = old.intersection(new)
print(update_set)
#获取要删除的集合元素（差集）
delete_set = old.difference(new)
print(delete_set)
#获取要添加的集合元素()
add_set = new.difference(update_set)
print(add_set)

二.collection系列

 

collections模块自Python 2.4版本开始被引入，包含了dict、set、list、tuple以外的一些特殊的容器类型，分别是：

OrderedDict类：排序字典，是字典的子类。引入自2.7。

namedtuple()函数：命名元组，是一个工厂函数。引入自2.6。

Counter类：为hashable对象计数，是字典的子类。引入自2.7。

deque：双向队列。引入自2.4。

defaultdict：使用工厂函数创建字典，使不用考虑缺失的字典键。引入自2.5。

文档参见：http://docs.python.org/2/library/collections.html

使用的时候需要用import导入collections模块

1.计数器（counter）

Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。

（1）创建

 创建一个空的Counter类

1
2
3
4
5
6
7
8
9
import collections
c = collections.Counter()# 创建一个空的Counter类
print(c)
c = collections.Counter('asdfghjjhgfdqwer')
print(c)
c = collections.Counter({'a': 4, 'b': 2})#从一个字典对象创建
print(c)
c = collections.Counter(a=4, b=2) # 从一组键值对创建
print(c)

结果：

1
2
3
4
Counter()
Counter({'d': 2, 'f': 2, 'h': 2, 'g': 2, 'j': 2, 's': 1, 'a': 1, 'r': 1, 'q': 1, 'e': 1, 'w': 1})
Counter({'a': 4, 'b': 2})
Counter({'a': 4, 'b': 2})

(2).计数值的访问

当所访问的键不存在时，返回0，而不是KeyError；否则返回它的计数。

 

1
2
3
4
5
6
7
8
9
>>> import collections
>>> c = collections.Counter('asdfgdsasdf')
>>> c['a']
2
>>> c['h']
0
>>> c['s']
3
>>>

(3).计数器的更新与减少

1.update()更新

 

1
2
3
4
5
6
>>> c
Counter({'s': 3, 'd': 3, 'a': 2, 'f': 2, 'g': 1})
>>> c = collections.Counter('update')
>>> c.update('update')
>>> c
Counter({'a': 2, 'e': 2, 'd': 2, 'p': 2, 'u': 2, 't': 2})

2.subtract()减少

 

1
2
3
4
5
6
7
>>> c = collections.Counter('subtract')
>>> c
Counter({'t': 2, 'a': 1, 'c': 1, 'b': 1, 's': 1, 'r': 1, 'u': 1})
>>> c.subtract('subtract')
>>> c
Counter({'a': 0, 'c': 0, 'b': 0, 's': 0, 'r': 0, 'u': 0, 't': 0})
>>>

（4）键的删除

当计数值为0时，并不意味着元素被删除，删除元素应当使用del

1
2
3
4
5
6
7
8
>>> c = collections.Counter('abcdcba')
>>> c['b']=0
>>> c
Counter({'a': 2, 'c': 2, 'd': 1, 'b': 0})
>>> del c['a']
>>> c
Counter({'c': 2, 'd': 1, 'b': 0})
>>>

(5) 迭代器

返回一个迭代器。元素被重复了多少次，在该迭代器中就包含多少个该元素。所有元素按照字母序排序，个数小于1的元素不被包含。

 

1
2
3
4
>>> c = collections.Counter('abcdcba')
>>> list(c.elements())
['a', 'a', 'c', 'c', 'b', 'b', 'd']
>>>

（5）most_common([n])

返回一个TopN列表。如果n没有被指定，则返回所有元素。当多个元素计数值相同时，按照字母序排列。

 

1
2
3
>>> c = collections.Counter('abcdcba')
>>> c.most_common()
[('a', 2), ('c', 2), ('b', 2), ('d', 1)]

（6）浅拷贝

 

1
2
3
4
5
6
7
>>> c = collections.Counter('abcdcba')
>>> c
Counter({'a': 2, 'c': 2, 'b': 2, 'd': 1})
>>> cc=c.copy()
>>> cc
Counter({'a': 2, 'c': 2, 'b': 2, 'd': 1})
>>>

（7）算术与集合操作

+、-、&、|操作也可以用于Counter。其中&和|操作分别返回两个Counter对象各元素的最小值和最大值。需要注意的是，得到的Counter对象将删除小于1的元素。

1
2
3
4
5
6
7
8
9
10
>>> c = collections.Counter(a=3, b=1)
>>> d = collections.Counter(a=1, b=2)
>>> c+d
Counter({'a': 4, 'b': 3})
>>> c-d
Counter({'a': 2})
>>> c&d
Counter({'a': 1, 'b': 1})
>>> c|d
Counter({'a': 3, 'b': 2})

一些Counter类的常用操作，来源于Python官方文档

1
2
3
4
5
6
7
8
9
sum(c.values())  # 所有计数的总数
c.clear()  # 重置Counter对象，注意不是删除
list(c)  # 将c中的键转为列表
set(c)  # 将c中的键转为set
dict(c)  # 将c中的键值对转为字典
c.items()  # 转为(elem, cnt)格式的列表
Counter(dict(list_of_pairs))  # 从(elem, cnt)格式的列表转换为Counter类对象
c.most_common()[:-n:-1]  # 取出计数最少的n个元素
c += Counter()  # 移除0和负值

2.有序字典(orderedDict )

有序字典继承字典的一切属性，只是在顺序上是有序的。

1
2
3
4
5
6
>>> import collections
>>> info = collections.OrderedDict({'name':'liuyao','age':21})
>>> info
OrderedDict([('age', 21), ('name', 'liuyao')])
>>> type(info)
<class 'collections.OrderedDict'>
1
2
3
4
5
6
7
8
import collections
info = collections.OrderedDict(name='liuyao',age='21',job='IT')
print (info)
print (info.keys())
print (info.values())
OrderedDict([('age', '21'), ('name', 'liuyao'), ('job', 'IT')])
odict_keys(['age', 'name', 'job'])
odict_values(['21', 'liuyao', 'IT'])

一些功能：

(1).move_to_end将指定的键值对从开头移动到末尾。

 

1
2
3
4
5
>>> import collections
>>> info = collections.OrderedDict(name='liuyao',age='21',job='IT')
>>> info.move_to_end('name')
>>> info
OrderedDict([('age', '21'), ('job', 'IT'), ('name', 'liuyao')])

(2).pop删除字典键值，返回删除的键值的values

1
2
3
4
5
6
>>> info = collections.OrderedDict(name='liuyao',age='21',job='IT')
>>> info.pop('job')
'IT'
>>> info
OrderedDict([('age', '21'), ('name', 'liuyao')])
>>>

(3).clear清除有序字典的值

1
2
3
4
>>> info = collections.OrderedDict(name='liuyao',age='21',job='IT')
>>> info.clear()
>>> info
OrderedDict()

 

1
2
3
4
5
6
7
8
9
10
import collections
info = collections.OrderedDict(name='liuyao',age='21',job='IT')
print (info)
print (info.keys())
print (info.values())
print (info.items())
OrderedDict([('age', '21'), ('job', 'IT'), ('name', 'liuyao')])
odict_keys(['age', 'job', 'name'])
odict_values(['21', 'IT', 'liuyao'])
odict_items([('age', '21'), ('job', 'IT'), ('name', 'liuyao')])

3.默认字典(defaultdict) 

这里的defaultdict(function_factory)构建的是一个类似dictionary的对象，其中keys的值，自行确定赋值，但是values的类型，是function_factory的类实例，而且具有默认值。比如default(int)则创建一个类似dictionary对象，里面任何的values都是int的实例，而且就算是一个不存在的key, d[key] 也有一个默认值，这个默认值是int()的默认值0.

defaultdict是对字典的类型的补充，他默认给字典的值设置了一个类型。创建一个默认字典，value值类型为列表.dic = collections.defaultdict(list)

例:

 

1
2
3
4
5
6
7
8
import collections
s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]
 
d = collections.defaultdict(list)
for k, v in s:
    d[k].append(v)
 
list(d.items())

defaultdict可以接受一个内建函数list作为参数。其实呢，list()本身是内建函数，但是再经过更新后，python里面所有东西都是对象，所以list改编成了类，引入list的时候产生一个类的实例。

1
2
3
4
5
6
7
8
import collections
dic = collections.defaultdict(list)
dic['k1']
print (dic)
print (dic.keys())
print (dic.values())
dic['k1'].append('v1')
print (dic.values())

一些具有的方法：

1.copy拷贝

1
2
3
4
5
6
7
8
9
10
import collections
dic = collections.defaultdict(list)
dic['k1']
dic['k1'].append('v1')
print (dic)
dic_1=dic.copy()
print (dic_1)
#结果
defaultdict(<class 'list'>, {'k1': ['v1']})
defaultdict(<class 'list'>, {'k1': ['v1']})

4.可命名元组(namedtuple) 

没有现成的类，用户需要自行创建相应的类

 

1
2
3
4
5
6
7
8
import collections
tu = collections.namedtuple('tu',['x','y','z'])  #创建一个类,类名为Point
yao_tu = tu(11,22,33)
print(yao_tu)
print(yao_tu.x)  #直接通过命名元素去访问元组对应的元素,
print(yao_tu[1])  #等同于上面这种方式,但是没有上面这种方式可读性强
print(yao_tu.y)
print(yao_tu.z)

5.双向队列(deque)

 

（1）创建一个队列

1
2
3
import collections
que = collections.deque(['sb','liu','yao'])
print (que)

(2)追加元素到队列

1
2
3
4
5
6
>>> que.append('wo')
>>> que
deque(['sb', 'liu', 'yao', 'wo'])
>>> que.append(['ni','ta'])
>>> que
deque(['sb', 'liu', 'yao', 'wo', ['ni', 'ta']])

（3）追加元素到队列左侧

 

1
2
3
>>> que.appendleft('zuo')
>>> que
deque(['zuo', 'sb', 'liu', 'yao', 'wo', ['ni', 'ta']])

（4）统计元素个数

 

1
2
3
4
5
6
>>> que.appendleft('zuo')
>>> que
deque(['zuo', 'sb', 'liu', 'yao', 'wo', ['ni', 'ta']])
>>> que.appendleft('zuo')
>>> que.count('zuo')
2

（4）清除

 

1
2
3
>>> que.clear()
>>> que
deque([])

（5）extend扩展元素

 

1
2
3
4
5
6
>>> que = collections.deque(['sb','liu','yao'])
>>> que
deque(['sb', 'liu', 'yao'])
>>> que.extend(['a','b','c'])
>>> que
deque(['sb', 'liu', 'yao', 'a', 'b', 'c'])

（6）extendleft从左侧扩展

 

1
2
3
4
5
>>> que
deque(['sb', 'liu', 'yao', 'a', 'b', 'c', 'zuo1', 'zuo2', 'zuo3'])
>>> que.extendleft(['zuo4','zuo5','zuo6'])
>>> que
deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'liu', 'yao', 'a', 'b', 'c', 'zuo1', 'zuo2', 'zuo3'])

（7）pop删除

1
2
3
4
5
6
>>> que
deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'liu', 'yao', 'a', 'b', 'c', 'zuo1', 'zuo2', 'zuo3'])
>>> que.pop()
'zuo3'
>>> que
deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'liu', 'yao', 'a', 'b', 'c', 'zuo1', 'zuo2'])

（8）popleft从左侧开始删除

1
2
3
4
5
6
>>> que
deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'liu', 'yao', 'a', 'b', 'c', 'zuo1', 'zuo2'])
>>> que.popleft()
'zuo6'
>>> que
deque(['zuo5', 'zuo4', 'sb', 'liu', 'yao', 'a', 'b', 'c', 'zuo1', 'zuo2'])

（9）reverse顺序反转

 

1
2
3
4
5
>>> que
deque(['zuo5', 'zuo4', 'sb', 'liu', 'yao', 'a', 'b', 'c', 'zuo1', 'zuo2'])
>>> que.reverse()
>>> que
deque(['zuo2', 'zuo1', 'c', 'b', 'a', 'yao', 'liu', 'sb', 'zuo4', 'zuo5'])

（10）remove删除指定元素

 

1
2
3
4
5
>>> que
deque(['zuo2', 'zuo1', 'c', 'b', 'a', 'yao', 'liu', 'sb', 'zuo4', 'zuo5'])
>>> que.remove('sb')
>>> que
deque(['zuo2', 'zuo1', 'c', 'b', 'a', 'yao', 'liu', 'zuo4', 'zuo5'])

（11）rotate将队列末尾4个元素反转到队列左侧

1
2
3
4
5
>>> que
deque(['zuo5', 'zuo2', 'zuo1', 'c', 'b', 'a', 'yao', 'liu', 'zuo4'])
>>> que.rotate(4)
>>> que
deque(['a', 'yao', 'liu', 'zuo4', 'zuo5', 'zuo2', 'zuo1', 'c', 'b'])

6.单向队列 queue（先进先出 FIFO ）

（1）创建

1
2
3
4
5
6
>>> import queue
>>> que = queue.Queue(2)
>>> que
<queue.Queue object at 0x7f70678ec550>
>>>
>>> que = queue.Queue(maxsize=10)

queue.Queue类即是一个队列的同步实现。队列长度可为无限或者有限。可通过Queue的构造函数的可选参数maxsize来设定队列长度。如果maxsize小于1就表示队列长度无限。

（3）放入任务

 

1
2
>>> que.put(['a','d'])
>>> que

调用队列对象的put()方法在队尾插入一个项目。put()有两个参数，第一个item为必需的，为插入项目的值；第二个block为可选参数，默认为
1。如果队列当前为空且block为1，put()方法就使调用线程暂停,直到空出一个数据单元。如果block为0，put方法将引发Full异常。

（3）从队列中取值

1
2
3
4
>>> que.put(['a','d'])
>>> que.get()
['a', 'd']
>>>

调用队列对象的get()方法从队头删除并返回一个项目。可选参数为block，默认为True。如果队列为空且block为True，get()就使调用线程暂停，直至有项目可用。如果队列为空且block为False，队列将引发Empty异常。

（3）返回队列大小

1
2
>>> que.qsize()
1

（4）判断队列为空返回True,反之False

1
2
3
>>> que.empty()
False
>>>

（5）q.full() 如果队列满了，返回True,反之False

1
2
3
>>> que.full()
False
>>>

q.full 与 maxsize 大小对应

其他方法：

 

1
2
3
4
5
6
q.get([block[, timeout]]) 获取队列，timeout等待时间
q.get_nowait() 相当q.get(False)
非阻塞 q.put(item) 写入队列，timeout等待时间
q.put_nowait(item) 相当q.put(item, False)
q.task_done() 在完成一项工作之后，q.task_done() 函数向任务已经完成的队列发送一个信号
q.join() 实际上意味着等到队列为空，再执行别的操作

三.深浅拷贝

1.为什么要拷贝？

当进行修改时，想要保留原来的数据和修改后的数据

2.数字字符串 和 集合 在修改时的差异？ （深浅拷贝不同的终极原因）

 

在修改数据时：
    数字字符串：在内存中新建一份数据
         集合：修改内存中的同一份数据

 

3.对于集合，如何保留其修改前和修改后的数据？

 在内存中拷贝

4.对于集合，如何拷贝其n层元素同时拷贝？

深拷贝

 

 

1.对于 数字 和 字符串 而言，赋值、浅拷贝和深拷贝无意义，因为其永远指向同一个内存地址。

例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
赋值，内存指向同一地址
>>> n1=123
>>> n2=n1
>>> id(n1)
10109728
>>> id(n2)
10109728
>>>
>>> import copy
>>> n3 = copy.copy(n1)
>>> id(n3)
10109728
>>> n4=copy.deepcopy(n1)
>>> id(n4)
10109728
>>>

 

 

2.对于字典、元祖、列表 而言，进行赋值、浅拷贝和深拷贝时，其内存地址的变化是不同的。

赋值，只是创建一个变量，该变量指向原来内存地址，如：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
>>> import copy
>>> n1 = {'k1':'v1','k2':'v2','k3':['liuyao','job']}
>>> n1
{'k3': ['liuyao', 'job'], 'k1': 'v1', 'k2': 'v2'}
>>> n2=n1
>>> id(n1)
140120750514696
>>> id(n2)
140120750514696
>>> id(n2['k3'])
140120750335688
>>> id(n1['k3'])
140120750335688
>>> id(n1['k3'][0])
140120778934064
>>> id(n2['k3'][0])
140120778934064
>>>

 

 

（3）浅拷贝，在内存中只额外创建第一层数据

1
2
3
4
5
6
7
8
9
10
11
12
>>> import copy
>>> n1 = {'k1':'v1','k2':'v2','k3':['liuyao','job']}
>>> n2 = copy.copy(n1)
>>> id(n1)
140120750337544
>>> id(n2)
140120750371208
>>> id(n1['k3'][0])
140120778934064
>>> id(n2['k3'][0])
140120778934064
>>>

 

（4）深拷贝，在内存中将所有的数据重新创建一份（排除最后一层，即：python内部对字符串和数字的优化）

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
>>> import copy
>>> n1 = {'k1':'v1','k2':'v2','k3':['liuyao','job']}
>>> n2 = copy.deepcopy(n1)
>>> id(n1)
140120750514696
>>> id(n2)
140120750514888
>>> id(n1['k3'])
140120750335688
>>> id(n2['k3'])
140120750335752
>>> id(n2['k3'][0])
140120778934064
>>> id(n1['k3'][0])
140120778934064
>>>

 

 

案例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
#深浅copy案例:监控模板
dic = {
    "cpu":[80,],
    "mem":[70,],
    "disk":[90,],
 
}
print(dic)
a1=copy.copy(dic)
#浅copy会使所有的模板cpu都发生变化
a1['cpu'][0]=20
print(a1)
print(dic)
#为了防止新模板修改导致旧模板被修改所以使用深copy
a2=copy.deepcopy(dic)
a2['cpu'][0]=20
print(a2)
print(dic)

 

 

 

 





posted @ 2016-01-20 20:55  刘耀  阅读(984)  评论(0)  编辑  收藏  举报