记录一下Python列表赋值踩过的坑
最近在做计算方法大作业，其中在三次样条插值的算法实现中，输入列表x_i直接复制给了x，但之后出现奇异现象：函数中没有对x_i的改变，为什么x_i无缘无故更改呢？

原来，python中的列表是可变对象，直接赋值操作不会分配新内存来存储变量！

注意区分以下不同：

1.列表赋值

2.列表浅拷贝

3.列表深拷贝

记录一下编程过程中遇到的小bug

Python中普通变量赋值与列表赋值的区别

之前没太注意，在Python中，普通变量赋值，新变量与原变量改变，不会相互影响，但是在列表赋值的时候，新变量与原变量指向的是同一地址空间

举例如下：

普通变量赋值：



输出是：

列表赋值：

输出是：

js给下拉列表赋值
<select  id="Test">
 <option value="">请选择</option>
 <option value="1">1</option>
 <option value="2">2</option>
 <option value="3">3</option>
</select>
<input type="button" value="Btuchange" onclick="onclick();">

function onclick() {
 document.getElementById("Test").value="2";
 
}

Python学习教程：Python列表赋值，复制，深拷贝及5种浅拷贝详解
概述
在列表复制这个问题，看似简单的复制却有着许多的学问，尤其是对新手来说，理所当然的事情却并不如意，比如列表的赋值、复制、浅拷贝、深拷贝等绕口的名词到底有什么区别和作用呢？
列表赋值
# 定义一个新列表
l1 = [1, 2, 3, 4, 5]
# 对l2赋值
l2 = l1
print(l1)
l2[0] = 100
print(l1)
示例结果：
[1, 2, 3, 4, 5]
[100, 2, 3, 4, 5]
可以看到，更改赋值后的L2后L1同样也会被更改，看似简单的“复制”，在Python中，列表属于可变对象，而对可变对象的复制其实就是将列表的内存空间类似C中的指针再次指向新的变量名，而不是诸如字符串这种不可变对象在复制时会创建新的内存空间进行赋值。即此时L1和L2指向的是同一片内存空间，那么怎么实现真正复制呢？
浅拷贝
当列表中的元素为不可变对象时，我们可以用以下方法对列表进行赋值：
import copy
# 定义一个新列表
L0 = [1, 2, 3, 4, 5]
print(L0)
print('-'*40)
利用切片
L1 = L0[:]
L1[0] = 100
print(L0)
利用模块copy
import copy
L2 = copy.copy(L0)
L2[0] = 100
print(L0)
利用list()
L3 = list(L0)
L3[0] = 100
print(L0)
利用列表方法extend
L4 = []
L4.extend(L0)
L4[0] = 100
print(L0)
利用列表推导
L5 = [i for i in L0]
L5[0] = 100
print(L0)
可以看到最终的打印结果都是[1, 2, 3, 4, 5]，我们成功进行了列表的复制，但是为了条件需要是列表中元素为不可变对象呢？ 因为如果列表中的元素为可变对象，在复制时有会发生对象的引用，而不是新建内存空间进行引用，比如：
L0 = [1, 2, [3], 4, 5]
print(L0)
L2 = L0[:]
L2[2][0] = 100
print(L0)
示例结果：
[1, 2, [3], 4, 5]
[1, 2, [100], 4, 5]
可以看到，当列表L0中含有可变对象时，对复制后的L1进行改变其中可变对象元素L2[2]时，L0中的可变对象L0[2]也发生了改变，那么怎么实现真正的完全的拷贝呢？
深拷贝
利用copy模块中的deepcopy进行深拷贝：
import copy
L0 = [1, 2, [3], 4, 5]
print(L0)
L2 = copy.deepcopy(L0)
L2[2][0] = 100
print(L2)
print(L0)
示例结果：
[1, 2, [100], 4, 5]
[1, 2, [3], 4, 5]
更多的Python学习教程会继续为大家更新！初学Python的小伙伴们也要跟着系统的Python学习路线走哦！