Python切片后的内存地址会变吗?用id()验证

Jasper
Jasper
发布时间:2026-11-17| 6人浏览过
原创

通过Python内置函数id()实测验证切片操作后的内存地址变化,深入剖析可变列表与不可变元组、字符串在切片时的底层内存分配机制。

在 Python 中对列表、元组或字符串进行切片操作时,得到的结果是一个全新的对象还是对原对象的引用?答案是:对于列表等可变序列,切片总会创建新容器,容器本身的内存地址必然会改变;但对于不可变序列(如元组和字符串),在全切片情况下 Python 解释器通常会直接复用原对象,其内存地址保持不变。此外,无论容器地址是否变化,切片内部元素所引用的内存地址均不会改变。

一、验证工具:Python 内置函数 id() 的原理

在进行实验之前,我们需要明确用来观察对象地址的工具——id()。在 CPython 解释器实现中,id(obj) 返回的是该对象在内存中的实际地址(即 C 结构体指针的整数表示)。如果两个变量的 id() 相同,说明它们在底层指向同一块内存物理位置;如果不同,则说明它们是两个独立的对象。

为了让验证逻辑清晰严密,我们通过一套标准的四步排查流程来验证切片前后的地址变化:

Python切片后的内存地址会变吗?用id()验证
图 1:使用 id() 检验 Python 切片地址变化的四步执行步骤

二、实战代码:列表(List)切片后的内存地址验证

列表是 Python 最常用的可变序列。我们分别测试两种情况:截取局部元素的切片 nums[1:3] 与复制全部元素的完整切片 nums[:]。

# 1. 准备初始列表
original_list = [100, 200, 300, 400]
print(f"原列表内存地址: {id(original_list)}")

# 2. 截取局部切片
partial_slice = original_list[1:3]
print(f"局部切片内存地址: {id(partial_slice)}")
print(f"局部切片地址是否相同: {id(original_list) == id(partial_slice)}")

# 3. 截取完整切片
full_slice = original_list[:]
print(f"完整切片内存地址: {id(full_slice)}")
print(f"完整切片地址是否相同: {id(original_list) == id(full_slice)}")

在 Python 3 环境下运行上述代码,示例输出如下:

原列表内存地址: 4329241856
局部切片内存地址: 4329242368
局部切片地址是否相同: False
完整切片内存地址: 4329242496
完整切片地址是否相同: False

验证结论:对于列表而言,即使使用 original_list[:] 进行完全相同的全量复制,生成的依然是一个全新申请的列表对象,其 id() 必定与原列表不同。

三、核心机制:切片是浅拷贝(Shallow Copy)

很多开发者在验证完外层 id() 变了之后,会产生一个误解:既然地址变了,切片是不是把里面的所有数据都深层克隆了一份?

答案是否定的。Python 中的切片是一种浅拷贝。切片操作确实会在堆内存中申请一个新的列表外壳(因此容器的 id() 变了),但这个新列表内部所保存的指针,依然指向原来那些元素对象。

Python切片后的内存地址会变吗?用id()验证
图 2:原列表与切片列表拥有不同内存地址,但共享内部元素引用

我们可以用代码直观验证元素内部的 id():

nums = [100, 200, 300]
sub_nums = nums[0:2]

# 比较第 0 个元素的内存地址
print(f"原列表元素 0 地址: {id(nums[0])}")
print(f"切片列表元素 0 地址: {id(sub_nums[0])}")
print(f"元素 0 的内存地址是否相同: {id(nums[0]) == id(sub_nums[0])}")

输出结果必然是:

原列表元素 0 地址: 4305881424
切片列表元素 0 地址: 4305881424
元素 0 的内存地址是否相同: True

这说明:切片只是克隆了指针索引表,并不会递归克隆内部存储的数据对象。

四、关键例外:不可变类型(元组与字符串)的全切片优化

切片“一定会产生新对象”的规律只适用于可变序列。对于不可变序列(例如 tuple、str、bytes),由于对象创建后其内容无法修改,Python 解释器在实现时做了专门的内存优化。

我们观察元组在执行全切片与局部切片时的表现:

# 1. 元组切片测试
tup = (1, 2, 3)
full_tup_slice = tup[:]
part_tup_slice = tup[0:2]

print(f"原元组地址: {id(tup)}")
print(f"全切片地址: {id(full_tup_slice)}")
print(f"全切片是否为同一对象: {tup is full_tup_slice}")
print(f"局部切片地址: {id(part_tup_slice)}")
print(f"局部切片是否为同一对象: {tup is part_tup_slice}")

# 2. 字符串切片测试
text = "hello"
print(f"字符串全切片是否为同一对象: {text[:] is text}")

输出结果如下:

原元组地址: 4330102464
全切片地址: 4330102464
全切片是否为同一对象: True
局部切片地址: 4330155072
局部切片是否为同一对象: False
字符串全切片是否为同一对象: True

这是因为不可变对象具有天然的只读安全特性。当使用 tup[:] 或 text[:] 获取全量切片时,其内容与原对象完全一致且不可变,CPython 认为完全没有必要申请新的内存空间,因此直接返回原对象引用。此时内存地址完全不变。

Python切片后的内存地址会变吗?用id()验证
图 3:不同对象类型及切片模式下的内存地址复用规律

五、容易混淆的陷阱:嵌套对象的修改扩散

了解切片“容器变了但元素没变”的特性,能够避免日常开发中最容易踩的深浅拷贝大坑。当序列中包含嵌套的可变对象(如嵌套列表、字典)时,如果误以为切片已经完全独立,就会导致意料之外的数据被篡改。

# 嵌套列表切片
matrix = [[1, 2], [3, 4]]
matrix_slice = matrix[:]

# 1. 检验外层容器地址
print(f"matrix is matrix_slice: {matrix is matrix_slice}")  # False (外层地址变了)

# 2. 检验内层列表元素地址
print(f"matrix[0] is matrix_slice[0]: {matrix[0] is matrix_slice[0]}")  # True (内层指向同一内存)

# 3. 修改切片中的内层元素
matrix_slice[0].append(999)

# 4. 查看原矩阵受到波及
print(f"修改切片后原矩阵的内容: {matrix}")
# 输出结果: [[1, 2, 999], [3, 4]]

避坑法则:若序列内包含嵌套的可变数据结构,且要求切片后的修改完全不影响原序列,切片 [:] 是不够的,必须使用 import copy; deep = copy.deepcopy(matrix) 进行深拷贝,它会连同所有子级对象的内存一起递归申请新空间。

六、总结与决策指南

Python切片后的内存地址会变吗?用id()验证
图 4:切片操作内存模型核心知识点与场景选型总结

综上所述:

  • 想要判断切片是否变了地址,使用 id(a) == id(b) 或 a is b 即可快速验证。
  • 可变列表执行切片后,容器本身的内存地址必然改变。
  • 不可变元组和字符串执行全切片时,内存地址保持不变。
  • 切片中所有元素对象的内存地址均保持不变。在处理复杂嵌套对象时,务必注意浅拷贝带来的副作用。
相关专题:

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。