Objetos mutables e inmutables en Python

Ingreso

Python es un jerga de programación orientado a objetos (o POO). En mi artículo antedicho, exploramos su naturaleza versátil. Oportuno a esto, Pitón ofrece una amplia variedad de tipos de datos, que pueden clasificarse en militar en tipos mutables e inmutables. Sin retención, como desarrollador de Python extraño, espero que incluso te preguntes cómo funcionan estos Los conceptos impactan en los datos. ¿Cómo se procesan los datos y cómo se manipulado ¿en memoria? ¿Cómo ha afectado a la calidad del software? Este artículo proporcionará una descripción militar completa de los objetos mutables e inmutables en Python y por qué son cruciales para una programación eficaz. Exploraremos cómo funcionan la mutabilidad y la inmutabilidad en diferentes objetos de Python, como tipos de datos primitivos como números enteros, flotantes, instrumentos de cuerdaetc., y tipos de datos integrados como listas, diccionarios, conjuntos, tuplas, etc.

¿Qué es mutabilidad frente a inmutabilidad?

Desde una perspectiva de parada nivel, la mutabilidad se refiere a la capacidad de cualquier objeto de modificarse, cambiarse o actualizarse posteriormente de su creación. Esto significa que, si un objeto es mutable, se puede cambiar su estado o contenido sin crear un objeto nuevo.

Por otro costado, la inmutabilidad significa que una vez que se crea un objeto, su estado no se puede cambiar, modificar ni desempolvar. Cualquier cambio en estos objetos crea un nuevo objeto con una asignación de memoria diferente en zona de alterar el existente.

¿Qué son los objetos mutables e inmutables en Python?

La subsiguiente imagen muestra que Python es rico tipos de datos se pueden dividir en dos categorías: objetos mutables e inmutables, que a su vez se subdividen.

Observación comparativo de los tipos de datos de Python

Echemos un vistazo a una comparación entre todos los tipos de datos integrados:

Tipo de datos	Mutable/Inmutable	Descripción	Caso de uso
Números enteros	Inmutable	Números enteros (por ejemplo, 1, -5, 42).	Úselo cuando trabaje con datos numéricos que no cambian.
Flotadores	Inmutable	Números con puntos decimales (por ejemplo, 3,14, -0,001).	Útil para cálculos científicos, datos financieros, etc.
Booleanos	Inmutable	Títulos lógicos: Real o Embustero.	Comprobaciones condicionales, operaciones lógicas.
Instrumentos de cuerda	Inmutable	Secuencia de caracteres (por ejemplo, “hola”, “mundo”).	Se utiliza para manipulación de texto, procesamiento de documentos, etc.
Tuplas	Inmutable	Colección ordenada de principios (por ejemplo, (1, 2, 3)).	Adecuado para datos constantes, se puede utilizar como claves de diccionario.
Conjuntos congelados	Inmutable	Una colección desordenada de objetos únicos, una interpretación inmutable de un conjunto.	Se utiliza en casos donde el conjunto necesita ser constante y hashable.
Números complejos	Inmutable	Números con partes reales e imaginarias (por ejemplo, 1 + 2j).	Se utiliza en computación científica, procesamiento de señales, etc.
Palenque	Mudable	Colección ordenada de principios (por ejemplo, (1, 2, 3)).	Úselo cuando necesite modificar, amplificar o eliminar principios con frecuencia.
Diccionarios	Mudable	Colección de pares clave-valor (por ejemplo, {“nombre”: “Juan”, “antigüedad”: 30}).	Ideal para mapear relaciones, búsquedas y almacenamiento de datos.
Conjuntos	Mudable	Colección desordenada de principios únicos (por ejemplo, {1, 2, 3}).	Se utiliza mejor para probar membresías, eliminar duplicados, etc.
Objetos personalizados (clases)	Mutable/Inmutable	El comportamiento depende de cómo se define la clase (mutable por defecto).	Comportamiento personalizado en función de los requisitos; puede controlar la mutabilidad.

Para comprender estos conceptos de una modo más Pythonic, consulte estos:

1. Los tipos de datos primitivos son “inmutables” – Enlace
2. Las estructuras de datos integradas de Python son “mutables” Enlace

En estos artículos, he analizado la mutabilidad e inmutabilidad de estos tipos de datos, «identificación» función, poco profundo y copia profunda, y mucho más, anejo con códigos.

Nota:Sin retención, recomiendo comprobar esos códigos solo posteriormente de acertar este artículo. Este artículo progreso su comprensión de «¿Qué sucede adentro del espacio de memoria?»

¿Qué sucede a nivel de la memoria?

Cuando se palabra de inmutabilidad a nivel de memoria, un objeto inmutable no se puede alterar directamente. Cualquier operación que parezca modificar un objeto inmutable crea un nuevo objeto con el valía modificado en la memoria. Los objetos mutables comparten la misma memoria asignada previamente. Los cambios en estos objetos ocurren en el zona, modificando el contenido de la memoria existente sin una nueva asignación.

Antiguamente de explorar esto más a fondo, primero comprendamos los dos conceptos más comunes sobre la matanza de objetos de la memoria.

1. La desasignación significa que el sistema libera y pone a disposición para otros usos la memoria previamente ocupada por un objeto.
2. Cosecha de basura es un proceso en Python que encuentra y libera automáticamente la memoria que ya no utiliza el software, especialmente para objetos que se referencian entre sí en un ciclo.

¿Cómo funciona la matanza de objetos?

Mandato de memoria de Python Depende de dos cosas principales, el recuento de referencias y los recolectores de basura, para mandar la matanza de objetos. Vamos a entenderlos uno por uno:

1. Recuento de referencias: Python hace un seguimiento del número de referencias que apuntan a cada objeto. Esto se denomina recuento de referencias.
2. Referencias cíclicas — Cosecha de basura: Python incluso tiene un recolector de basura que maneja referencias cíclicas. A veces, los objetos hacen remisión entre sí en un tirabuzón. Cuando el recuento de referencias cae a cero, la memoria ocupada por el objeto se desasigna. Por ejemplo, el objeto A hace remisión al objeto B y el objeto B hace remisión al objeto A. Incluso si ninguna otra parte del software necesita estos objetos, sus recuentos de referencias nunca caen a cero porque hacen remisión entre sí. Aquí es donde interviene el recolector de basura.

¿Cómo se determina el rendimiento de un software?

En términos de implicaciones de rendimiento, la mutabilidad y la inmutabilidad tienen diferencias significativas. Los tipos de datos inmutables son generalmente más rápidos de conseguir y procesar. Python puede optimizar el uso de la memoria mediante la reutilización de objetos inmutables, principalmente si trabaja con números enteros y cadenas pequeños en todo el software.

Los tipos de datos mutables son más flexibles, pero pueden crear una sobrecarga adicional correcto a la escazes de redimensionar dinámicamente el espacio de memoria. Por ejemplo, listas en Python Son matrices dinámicas porque se almacenan de una modo que les permite crecer y disminuir en tamaño mientras se realizan operaciones como amplificar o eliminar principios.

Conclusión

En conclusión, comprender la diferencia entre objetos mutables e inmutables es fundamental para escribir código apto y confiable en Python. Por ejemplo, la inmutabilidad ofrece seguridad cuando los datos no deben cambiar, como en las asignaciones de clave-valor o en la programación concurrente.

Por el contrario, la mutabilidad resulta útil en situaciones en las que se necesitan actualizaciones dinámicas de las estructuras de datos para esa parte específica del software. Retener cuándo utilizar cada cosa es esencial para comprender las ventajas y desventajas en términos de rendimiento y complejidad, lo que en última instancia conduce a la redacción de programas que se puedan apoyar.

Lea incluso: Capitán completa de las estructuras de datos integradas de Python

Preguntas frecuentes