在Python中模拟指针
我正在尝试将一种内部语言（ihl）编译为Python。
ihl特性之一就是指针和引用，它们的行为就像你对C或C ++的期望。
比如你可以这样做：
a = [1,2]; // a has an array b = &a; // b points to a *b = 2; // derefernce b to store 2 in a print(a); // outputs 2 print(*b); // outputs 2 有没有办法在Python中复制这个function。
我应该指出，我认为我已经混淆了一些人。 我不想在Python中使用指针。 我只是想从那里的Python专家那里得到一个感觉，我应该生成什么样的Python来模拟上面显示的情况
我的Python不是最伟大的，但到目前为止我的探索还没有产生任何有希望的
我应该指出，我们正在寻求从我们的ihl转向更通用的语言，所以如果有人能够推荐另一种更适合的语言，我们并不是真正的与Python绑在一起。
这可以明确地完成。
class ref: def __init__(self, obj): self.obj = obj def get(self): return self.obj def set(self, obj): self.obj = obj a = ref([1, 2]) b = a print a.get() # => [1, 2] print b.get() # => [1, 2] b.set(2) print a.get() # => 2 print b.get() # => 2
您可能想要从C ++的angular度阅读Pythonvariables名的语义 。 底线： 所有variables都是引用 。
更重要的是，不要用variables来思考，而要用可以命名的对象。
如果你正在编译一个C语言，请说：
func() { var a = 1; var *b = &a; *b = 2; assert(a == 2); }
进入Python，那么所有的“Python中的所有东西都是一个参考”东西是一个用词不当。
确实，Python中的所有东西都是一个引用，但是很多情况下，许多核心types（int，string）都是不可变的。 没有直接的方法来在Python中实现上述。
现在，你可以间接地做：对于任何不可变的types，把它包装成一个可变types。 Ephemient的解决scheme的作品，但我经常这样做：
a = [1] b = a b[0] = 2 assert a[0] == 2
（我已经完成了这个工作来解决Python在2.xa中缺less“非本地”的问题。）
这意味着更多的开销：每个不可变的types（或者每个types，如果你不试图区分）突然创build一个列表（或另一个容器对象），所以你显着增加了variables的开销。 单独来说，这不是很多，但应用于整个代码库时会加起来。
你可以通过只包装不可变types来减less这个，但是你需要跟踪输出中的哪些variables被封装，哪些不是，所以你可以用“a”或者“a [0]”来访问这个值适当。 它可能会变得毛茸茸的。
至于这是不是一个好主意 – 这取决于你为什么这样做。 如果你只是想要运行虚拟机，我倾向于拒绝。 如果你想能够从Python调用你现有的语言，我build议你把你现有的虚拟机和创buildPython绑定，所以你可以从Python访问和调用它。
几乎完全像ephemient 答案 ，我投了，你可以使用Python的内置属性函数。 在ephemient的答案中，它会做类似于ref类的东西，现在除了被迫使用get和set方法来访问一个ref实例外，你只需要调用你已经在属性中指定的属性类定义。 从Python文档（除了我改变C到PTR ）：
class ptr(object): def __init__(self): self._x = None def getx(self): return self._x def setx(self, value): self._x = value def delx(self): del self._x x = property(getx, setx, delx, "I'm the 'x' property.")
这两种方法都像C指针一样工作，而不诉诸于global 。 例如，如果你有一个函数需要一个指针：
def do_stuff_with_pointer(pointer, property, value): setattr(pointer, property, value)
例如
a_ref = ptr() # make pointer a_ref.x = [1, 2] # a_ref pointer has an array [1, 2] b_ref = a_ref # b_ref points to a_ref # pass ``ptr`` instance to function that changes its content do_stuff_with_pointer(b_ref, 'x', 3) print a_ref.x # outputs 3 print b_ref.x # outputs 3
另一个完全疯狂的select是使用Python的ctypes 。 尝试这个：
from ctypes import * a = py_object([1,2]) # a has an array b = a # b points to a b.value = 2 # derefernce b to store 2 in a print a.value # outputs 2 print b.value # outputs 2
或者如果你想得到真正的幻想
from ctypes import * a = py_object([1,2]) # a has an array b = pointer(a) # b points to a b.contents.value = 2 # derefernce b to store 2 in a print a.value # outputs 2 print b.contents.value # outputs 2
这更像OP的原始要求。 疯！
Python中的所有东西都是指针，但在Python中被称为“引用”。 这是你的代码到Python的翻译：
a = [1,2] // a has an array b = a // b points to a a = 2 // store 2 in a. print(a) // outputs 2 print(b) // outputs [1,2]
“解引用”是没有意义的，因为它全是引用。 没有其他的东西了，所以没有什么可以提及的。
正如其他人所说，所有的Pythonvariables实质上是指针。
从C的angular度理解这个关键是使用许多id（）函数的未知。 它告诉你variables指向的地址。
>>> a = [1,2] >>> id(a) 28354600 >>> b = a >>> id(a) 28354600 >>> id(b) 28354600
这是愚蠢的，但一个想法…
# Change operations like: b = &a # To: b = "a" # And change operations like: *b = 2 # To: locals()[b] = 2 >>> a = [1,2] >>> b = "a" >>> locals()[b] = 2 >>> print(a) 2 >>> print(locals()[b]) 2
但是没有指针算术等等，也不知道你会碰到什么其他的问题。
消极，没有指针。 你不应该用语言devise的方式来需要它们。 但是，我听到一个令人讨厌的传闻，你可以使用： ctypes模块来使用它们。 我没有用过它，但是它闻起来很乱。
class Pointer(object): def __init__(self, target=None): self.target = target _noarg = object() def __call__(self, target=_noarg): if target is not self._noarg: self.target = target return self.target
a = Pointer([1, 2]) b = a print a() # => [1, 2] print b() # => [1, 2] b(2) print a() # => 2 print b() # => 2
我认为这个例子简短明了。
在这里，我们有隐式列表的类：
class A: foo = [] a, b = A(), A() a.foo.append(5) b.foo ans: [5]
看着这个内存configuration文件（使用： from memory_profiler import profile ），我的直觉告诉我，这可能以某种方式模拟像C：
Filename: F:/MegaSync/Desktop/python_simulate_pointer_with_class.py Line # Mem usage Increment Line Contents ================================================ 7 31.2 MiB 0.0 MiB @profile 8 def f(): 9 31.2 MiB 0.0 MiB a, b = A(), A() 10 #here memoery increase and is coupled 11 50.3 MiB 19.1 MiB a.foo.append(np.arange(5000000)) 12 73.2 MiB 22.9 MiB b.foo.append(np.arange(6000000)) 13 73.2 MiB 0.0 MiB return a,b [array([ 0, 1, 2, ..., 4999997, 4999998, 4999999]), array([ 0, 1, 2, ..., 5999997, 5999998, 5999999])] [array([ 0, 1, 2, ..., 4999997, 4999998, 4999999]), array([ 0, 1, 2, ..., 5999997, 5999998, 5999999])] Filename: F:/MegaSync/Desktop/python_simulate_pointer_with_class.py Line # Mem usage Increment Line Contents ================================================ 14 73.4 MiB 0.0 MiB @profile 15 def g(): 16 #clearing b.foo list clears a.foo 17 31.5 MiB -42.0 MiB b.foo.clear() 18 31.5 MiB 0.0 MiB return a,b [] [] Filename: F:/MegaSync/Desktop/python_simulate_pointer_with_class.py Line # Mem usage Increment Line Contents ================================================ 19 31.5 MiB 0.0 MiB @profile 20 def h(): 21 #and here mem. coupling is lost ;/ 22 69.6 MiB 38.1 MiB b.foo=np.arange(10000000) 23 #memory inc. when b.foo is replaced 24 107.8 MiB 38.1 MiB a.foo.append(np.arange(10000000)) 25 #so its seams that modyfing items of 26 #existing object of variable a.foo, 27 #changes automaticcly items of b.foo 28 #and vice versa,but changing object 29 #a.foo itself splits with b.foo 30 107.8 MiB 0.0 MiB return b,a [array([ 0, 1, 2, ..., 9999997, 9999998, 9999999])] [ 0 1 2 ..., 9999997 9999998 9999999]
在这里，我们在课堂上有明确的自我：
class A: def __init__(self): self.foo = [] a, b = A(), A() a.foo.append(5) b.foo ans: [] Filename: F:/MegaSync/Desktop/python_simulate_pointer_with_class.py Line # Mem usage Increment Line Contents ================================================ 44 107.8 MiB 0.0 MiB @profile 45 def f(): 46 107.8 MiB 0.0 MiB a, b = B(), B() 47 #here some memory increase 48 #and this mem. is not coupled 49 126.8 MiB 19.1 MiB a.foo.append(np.arange(5000000)) 50 149.7 MiB 22.9 MiB b.foo.append(np.arange(6000000)) 51 149.7 MiB 0.0 MiB return a,b [array([ 0, 1, 2, ..., 5999997, 5999998, 5999999])] [array([ 0, 1, 2, ..., 4999997, 4999998, 4999999])] Filename: F:/MegaSync/Desktop/python_simulate_pointer_with_class.py Line # Mem usage Increment Line Contents ================================================ 52 111.6 MiB 0.0 MiB @profile 53 def g(): 54 #clearing b.foo list 55 #do not clear a.foo 56 92.5 MiB -19.1 MiB b.foo.clear() 57 92.5 MiB 0.0 MiB return a,b [] [array([ 0, 1, 2, ..., 5999997, 5999998, 5999999])] Filename: F:/MegaSync/Desktop/python_simulate_pointer_with_class.py Line # Mem usage Increment Line Contents ================================================ 58 92.5 MiB 0.0 MiB @profile 59 def h(): 60 #and here memory increse again ;/ 61 107.8 MiB 15.3 MiB b.foo=np.arange(10000000) 62 #memory inc. when b.foo is replaced 63 145.9 MiB 38.1 MiB a.foo.append(np.arange(10000000)) 64 145.9 MiB 0.0 MiB return b,a [array([ 0, 1, 2, ..., 9999997, 9999998, 9999999])] [ 0 1 2 ..., 9999997 9999998 9999999]
ps：我是自学编程（用Python开始），所以如果我错了，请不要恨我。 它只是我的直觉，让我这样想，所以不要恨我！
