值传递 VS 引用传递：理解函数参数传递的两种方式

最新推荐文章于 2026-06-23 21:06:11 发布
原创 最新推荐文章于 2026-06-23 21:06:11 发布 · 189 阅读 · 0 GEO检测
标签
#python #开发语言 #编程
编程 专栏收录该内容
333 篇文章 ¥29.90 ¥99.00
订阅专栏
本文详细解析编程中函数参数的两种传递方式——值传递和引用传递。值传递复制简单数据类型值，不改变原参数；引用传递传递复杂数据类型引用，允许内部修改。理解这两者差异能提升代码效率和可维护性。

在编程中，函数参数的传递方式有两种常见的形式：值传递和引用传递。这两种方式在处理函数参数时有不同的行为和效果。让我们深入了解这两种传递方式的区别。

值传递

值传递是指在函数调用时，将实际参数的值复制给形式参数。也就是说，函数内部的操作只对形式参数进行修改，不会影响到实际参数的值。这种传递方式通常用于传递简单数据类型，如整数、浮点数和字符等。

下面是一个使用值传递的简单示例：

def change_value(num):
    num = num + 1
    print("函数内部的值：", num
了解本专栏 订阅专栏 解锁全文
C语言/C++中结构体作为函数参数：值传递 vs. 指针传递，你真的懂了吗？
Web安全工具库
07-03 1632
本文介绍了C/C++中结构体作为函数参数的两种传递方式：值传递和指针传递。值传递会创建结构体的完整副本，函数内修改不影响原数据，适用于小型结构体或需要数据隔离的场景；指针传递仅传递内存地址，函数可直接修改原数据，效率更高，适合大型结构体或需要修改原数据的场景。通过代码示例对比了两种方式的特点，并给出选择建议：数据安全优先选值传递，性能需求优先选指针传递。理解这两种方式的区别有助于编写更高效健壮的代码。
值传递、指针传递、引用传递：深入理解函数参数传递方式
Hamdh的博客
10-17 2万+
在编程中，函数参数传递是一个非常重要的概念。它决定了函数如何接收和处理数据。在C++中，有三种主要的函数参数传递方式：值传递、指针传递和引用传递。本文将深入探讨这三种传递方式的原理、优缺点以及适用场景，帮助读者更好地理解和应用这些技术。
C/C++ 数组作为参数传递 指针 引用——VS——普通值传递、指针传递、引用传递
热门推荐
zou_albert的博客
08-25 2万+
文章目录1 C++ 值传递、指针传递、引用传递详解值传递：指针传递：引用传递：2 数组作为函数的形参2.1 一维数组传递2.2 二维数组传递总结 1 C++ 值传递、指针传递、引用传递详解 值传递： 形参是实参的拷贝，改变形参的值并不会影响外部实参的值。从被调用函数的角度来说，值传递是单向的（实参->形参），参数的值只能传入，不能传出。当函数内部需要修改参数，并且不希望这个改变影响调用者时，采用值传递。 指针传递： 形参为指向实参地址的指针，当对形参的指向操作时，就相当于对实参本身进行的操作
函数参数传递：值传递 vs 引用传递（模拟）
always_TT的博客
03-16 549
本文深入解析函数参数传递的两种方式：值传递与引用传递（模拟）。通过Python和C++代码示例，展示了值传递对原始数据的保护作用（如整数）和引用传递对可变对象（如列表）的直接修改能力。文章借助Mermaid图表可视化内存模型差异，并讨论了性能与副作用权衡，指出Python"对象引用传递"的特殊性。最后推荐了官方文档等扩展资源，帮助开发者根据数据特性选择合适传递方式，平衡效率与代码安全性。
必须知道的C语言知识细节：函数参数传递方式只有值传递吗？
qq_43351159的博客
07-24 1448
C语言函数是很重要的语法结构，函数将程序模块化，实现一个个独立的小功能。函数是由返回值类型、函数名、函数参数列表组成的，其中函数调用时，将实参传递给参数列表的形参，函数根据传递的实参值计算出结果返回，这里涉及传递函数参数的方式。 形参 VS 实参 形参（形式参数）：很简单，函数声明和定义中的参数名称就是形参，例如：定义一个计算两个整数和的函数，其中参数名称a和b就是形参。 int add(int a, int b) { return a+b; } 实参（实际参数）：当需要实际调用时，传递给函数的具体参数值
Python图片压缩方法全解：从入门到进阶
得塔云的博客
06-19 714
本文总结了Python中六种主流的图片压缩方法：1）Pillow作为通用首选，支持质量调整、尺寸缩放和格式转换；2）TinyPNG API提供最高压缩率但有限额；3）WebP格式在保持画质下体积最小；4）PyVips适合大图处理，内存占用低；5）OpenCV针对视频帧和实时流优化；6）K-means聚类实现算法级色彩压缩。文章通过对比表格和决策树，建议根据场景需求选择工具，日常使用Pillow即可满足大多数需求，并附赠了一个可直接使用的批量压缩脚本。
Unity PICO4 学习记录8： WebRTC
m0_63485455的博客
06-22 399
这一篇和PICO本身没什么关系，只是记录一下开发过程我们要做一个“从超声设备采集影像数据，一对多地传给XR眼镜终端以及其他可能的设备”应用。发送端是Jetson，由同事负责；接收端XR眼镜端由我负责。同事说视频采集卡例程里给了两种通信协议：RSTP和WebRTC.一开始我尝试用HoloLens2，因为老师和医生们似乎更喜欢OST而不是VST；但是UWP ARM64 媒体栈对 RTSP 支持弱、MixedReality-WebRTC 停更，所以 HL2 不适合当主验证平台。
AI Infra 硬件体系与编程模型：18. CUDA编程基础：使用 PyTorch CUDA Extension 实现自定义算子
basketball616的博客
06-17 497
本文详细介绍了PyTorch CUDA扩展的开发方法与架构。主要内容包括： 开发动机：解决原生算子不足、Python实现性能差、需要算子融合和硬件特性定制等问题 三层架构： CUDA核函数层：纯GPU计算逻辑 C++封装层：连接PyTorch与CUDA，处理张量转换 Python层：提供用户接口 核心依赖：ATen张量库作为基础，通过torch/extension.h头文件提供统一接口 关键技术： 使用pybind11实现Python-C++绑定 支持即时编译(JI
Odoo 19开发教程之视图控件开发
智能化技术分享
06-22 288
本文详细介绍了Odoo 19中自定义视图控件的开发方法，通过一个销售订单列表视图的弹窗控件案例，展示了完整的实现流程。该控件由四部分组成：基于OWL框架的JavaScript组件（包含弹窗和主控件）、XML模板文件（定义界面元素）、Python模型（提供计算字段）和视图XML定义（嵌入控件）。开发要点包括使用usePopover钩子实现弹窗交互、OWL组件与模板的绑定方式、计算字段的高效实现，以及控件在视图中的注册与调用。该方案可灵活扩展，为Odoo视图提供丰富的交互功能。
为什么Python不用var或let声明变量？
这家伙很懒，什么都没有留下
06-18 348
语言声明关键字作用域规则需要类型吗？Python无（赋值即声明）函数级作用域否（注解可选）JavaScriptvarletconstletconst是块级，var是函数级否Java类型在前块级是C类型在前块级是Govar:=块级是Rustletlet mut块级是C++类型在前/auto块级是没有任何声明关键字。为什么Python不用var或let？设计哲学：赋值即声明，简洁明了，减少冗余语法历史因素：Python从一开始就这么设计，没有历史包袱避免复杂。
PyCharm调试技术与最佳实践指南
weixin_51955414的博客
06-23 401
《PyCharm调试技术与最佳实践指南》摘要 本文系统介绍了PyCharm调试功能的使用方法，包含以下核心内容： 调试基础：解释了调试概念、重要性和不同类型（断点/条件断点/日志/远程调试） 界面详解：展示了调试工具栏功能和窗口布局，包括代码编辑器、变量面板和控制台等组件 断点管理：详细说明基本断点、条件断点、临时断点、日志断点的设置方法及分组管理技巧 调试操作：讲解Step Over（F8）、Step Into（F7）、Step Out（Shift+F8）等关键调试命令 变量处理.
神经网络 | ⑤ MNIST 手写数字识别的 FCNN 推理实现
最新发布
鷾
06-23 172
本文实现了一个基于MNIST手写数字数据集的三层全连接神经网络(FCNN)推理系统。该系统通过加载预训练权重参数，能够对28×28像素的手写数字图像进行分类识别。网络结构包含784个输入神经元、两个隐藏层(50和100个神经元)和10个输出神经元，使用Sigmoid和Softmax作为激活函数。文章详细介绍了数据集特征、网络设计思路以及前向传播的计算流程，最终实现了93.52%的测试准确率。该实现为深度学习入门项目，展示了神经网络的基本推理过程。
自定义ESP32-S3开发板适配ESP-WHO框架
91创客学堂
06-23 424
本文介绍了ESP-WHO边缘机器视觉框架在ESP32-S3芯片上的部署与移植方案。主要内容包括：1. ESP-WHO框架概述及示例编译流程，支持人脸识别、物体检测等功能；2. 第三方ESP32-S3开发板与官方ESP32-S3-EYE的硬件差异分析；3. 详细移植步骤：修改LCD引脚配置（SPI模式改为0、背光GPIO调整）、OV3660摄像头驱动适配、关键menuconfig配置（PSRAM设置、模型存储位置等）；4. 最小化应用代码示例及常见问题解决方法。
如何使用鳄鱼线做股票交易（下）：量化代码实现与避坑指南
weixin_73631017的博客
06-17 489
本文介绍了如何用Python实现鳄鱼线量化交易策略，重点解析了趋势判断、入场逻辑和常见陷阱。文章首先阐述了鳄鱼线的三大核心交易规则：通过三条均线的排列识别趋势方向，用价差扩散判断趋势强度，并设置多条件过滤无效信号。特别强调了均线平移(shift)的正确用法，指出错误的平移会导致未来函数问题，使回测结果失真。随后提供了完整的Python代码实现，包括SMMA计算、信号生成、回测框架和可视化功能。最后建议读者通过实践掌握时序数据处理、多条件组合等量化技能，并指出鳄鱼线的核心价值在于趋势过滤而非涨跌预测。全文突出
计算机二级Python备考资料
m0_67097444的博客
06-17 262
操作：append()、extend()、insert()、remove()、pop()、sort()、reverse()基本数据类型：int(整数)、float(浮点数)、str(字符串)、bool(布尔值)操作：keys()、values()、items()、get()、update()序列操作：len()、max()、min()、sum()、sorted()操作：add()、remove()、并集(|)、交集(&)、差集(-)打开模式：r(读)、w(写)、a(追加)、r+(读写)、b(二进制)
第5篇_Python文件操作与异常处理：程序与外界交互的桥梁
Lenyiin
06-22 742
学到这里，你的 Python 代码已经能在自由运转了——变量、函数、类、对象，全都在 RAM 里运行，程序结束就消失。但真实世界的程序，不能只活在内存里。这就需要掌握和——这是 Python 程序与外界交互的两座桥梁。本篇我们就来系统学习这两个主题。
基于卷积神经网络的图像分类系统
wyh293的博客
06-18 310
随着人工智能技术的快速发展，图像分类作为计算机视觉领域的核心任务之一，在智能安防、医疗影像诊断、工业质检、自动驾驶等场景中展现出巨大应用价值。传统机器学习方法依赖人工特征提取，泛化能力弱、鲁棒性差；而深度学习，尤其是卷积神经网络（CNN），凭借其强大的局部感知、权值共享与层次化特征学习能力，已成为图像分类任务的事实标准。本文围绕构建一个高精度、可部署、易扩展的端到端图像分类系统展开研究，基于PyTorch框架设计并实现了一套完整的CNN图像分类系统，涵盖数据预处理、模型构建（ResNet-...
AI掘金头条新闻系统 (Toutiao News)-获取浏览历史列表
2402_84971234的博客
06-17 278
本文描述了实现用户新闻浏览历史功能的三个核心模块：1) 定义历史记录数据模型HistoryNewsItemResponse和分页响应模型HistoryListResponse；2) 通过CRUD操作实现分页查询历史记录，包含联表查询新闻详情并按浏览时间倒序排列；3) 提供API路由接口，支持分页参数验证并返回格式化响应。整个实现采用Pydantic进行数据验证和序列化，支持字段别名映射，确保接口返回包含历史ID、浏览时间等信息的新闻列表，同时附带分页元数据（总数、是否有更多数据）。
004 Pandas 相比传统数据分析方法的优势
未来已来，AI时代，学AI编程，做AI量化，就来大鹏AI教育。
06-17 195
借助 DataFrame 和 Series 这样的数据结构，我们可以更方便地完成筛选、排序、统计和分组这些操作，不需要大量手写循环。面对缺失值、重复数据、数据合并、数据转换这些常见问题，Pandas 都提供了现成的方法，可以大大减少数据预处理的复杂度。只要数据和时间有关，比如销售额变化、访问量变化、股票价格变化，Pandas 都能很好地按时间进行整理、统计和分析。但是 Pandas 提供了很多专门的方法，可以帮助我们完成数据清洗、数据转换、数据合并和数据整理。
Spring Boot 4.0 对 AOT（提前编译）和 GraalVM 原生镜像的支持有哪些强制性变化或核心增强？如何针对原生镜像环境进行代码适配？
java1234的博客
06-17 366
Spring Boot 4.0 增强了对AOT（提前编译）和GraalVM原生镜像的支持，显著提升了应用启动速度和资源利用率。文章介绍了AOT编译的核心优化（启动性能提升、功能扩展和元数据生成）以及GraalVM原生镜像的改进（简化构建、性能优化和兼容性增强）。同时提供了代码适配指南，包括避免反射、配置GraalVM构建选项、资源管理和JNI适配等最佳实践，并附有示例代码和Maven配置说明，帮助开发者构建高性能、低资源消耗的原生应用。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值