学习Python一年，这次终于弄懂了浅拷贝和深拷贝-深拷贝和浅拷贝 python

话说，网上已经有很多关于 Python 浅拷贝和深拷贝的文章了，不过好多文章看起来还是决定似懂非懂，所以决定用自己的理解来写出这样一篇文章。

当别人一提起Python中的复制操作，你会不会立马站起来说：“我会”，于是就有了如下操作：

import copy

 x = copy.copy(y)        # 浅拷贝我会了
 x = copy.deepcopy(y)    # 深拷贝我来了

那浅拷贝和深拷贝有什么区别呢，你能给我讲讲吗？

1、从引用vs.拷贝说起

首先，我们要弄清楚什么是对象引用与对象拷贝（复制）。

对象引用

Python中对象的赋值其实就是对象的引用。当创建一个对象，把它赋值给另一个变量的时候，Python并没有拷贝这个对象，只是拷贝了这个对象的引用而已。

>>> a = 1
>>> b = a
>>> id(a) == id(b)
True
>>> x = [1, 2, 3]
>>> y = [x, 4]
>>> x
[1, 2, 3]
>>> y
[[1, 2, 3], 4]
>>> 
>>>> id(x) == id(y)
False
>>> id(x) == id(y[0])
True

如果这个过程不理解，可以看看下图：

当我们对 x 列表进行操作时，会发现 y 中也发生了意料之外的事情：

>>> x[1] = 2020
>>> y
[[1, 2020, 3], 4]

由于列表是可变的，修改x这个列表对象的时候，也会改变对象 y 中对 x 的引用。

所以当我们在原处修改可变对象时可能会影响程序中其他地方对相同对象的其他引用，这一点很重要。如果你不想这样做，就需要明确地告诉 Python 复制该对象。

对象拷贝

如果你需要拷贝，可以进行如下操作：

没有限制条件的分片表达式（L[:]）
工厂函数（如list/dir/set）
字典copy方法(X.copy())
copy标准库模块(import copy)

举个例子，假设有一个列表L和一个字典D：

>>> L = [2019, 2020, 2021]
>>> D = {'1':2019, '2':2020, '3':2021}
>>> 
>>> A = L[:]  # 区分 A=L 或 A = List(L)
>>> B = D.copy()  # 区分 B=D 
>>> A
[2019, 2020, 2021]
>>> B
{'1': 2019, '2': 2020, '3': 2021}

这样定义之后，当你修改A和B时，会发现并不会对原来的L跟D产生影响,因为，这就是对象的拷贝。

>>> A[1] = 'happy'
>>> B[3] = 'today'
>>> L, D
([2019, 2020, 2021], {'1': 2019, '2': 2020, '3': 2021})
>>> A, B
([2019, 'happy', 2021], {'1': 2019, '2': 2020, '3': 2021, 3: 'today'})

上述对列表和字典的拷贝操作默认都为浅拷贝：

制作字典的浅层复制可以使用dict.copy() 方法
而制作列表的浅层复制可以通过赋值整个列表的切片完成，例如，copied_list = original_list[:]。

说到这里，疑问就产生了？什么是浅拷贝？浅拷贝的对应深拷贝又该作何解释？

2、谈谈浅拷贝和深拷贝

官方文档定义：

浅层复制和深层复制之间的区别仅与复合对象 (即包含其他对象的对象，如列表或类的实例) 相关:

一个浅层复制会构造一个新的复合对象，然后（在可能的范围内）将原对象中找到的引用插入其中。

一个深层复制会构造一个新的复合对象，然后递归地将原始对象中所找到的对象的副本插入。

浅拷贝

浅拷贝：拷贝了最外围的对象本身，内部的元素都只是拷贝了一个引用而已。也就是，把对象复制一遍，但是该对象中引用的其他对象我不复制。

用通俗的话理解就是：你的橱柜（对象）里装着一🧺（篮子）🥚（鸡蛋），然后浅拷贝一下的意思。我只拷贝了最外面的这个橱柜，至于里面的内部元素（🧺和🥚）我并不拷贝。

当我们遇到简单的对象时，用上面的解释好像很好理解；如果遇到复合对象，就比如下列代码：

l1 = [3, [66, 55, 44], (3, 7, 21)]
l2 = list(l1)
l1.append(100)
print('l1:', l1)
print('l2:', l2)
l1[1].remove(55)
l2[1] += [33, 22]
l2[2] += (9, 9, 81)
print('l1:', l1)
print('l2:', l2)

代码解释：

l2是l1的浅拷贝
把100追加到l1，对l2没有影响
1内部列表l1[1中的55删除，对l2也产生影响，因为l1[1]和l2[1]绑定的是同一个列表
对可变对象来说，l2[1引用的列表进行+=就地修改列表。这次修改导致l1[1]也发生了改变
对元组来说，+= 运算符创建一个新元组，然后重新绑定给变量 l2[2]。这等同于l2[2] = l2[2] + (10, 11)。现在，l1 和 l2 中最后位置上的元组不是同一个对象

把这段代码可视化出来如下：

动手试一试，可以点此处

深拷贝

深拷贝：外围和内部元素都进行了拷贝对象本身，而不是引用。也就是，把对象复制一遍，并且该对象中引用的其他对象我也复制。

对比上面的篮子和鸡蛋：你的橱柜（对象）里装着一🧺（篮子）🥚（鸡蛋），然后深拷贝一下的意思。把最外面的这个橱柜和里面的内部元素（🧺和🥚）全部拷贝过来。

from copy import deepcopy
l1 = [3, [66, 55, 44], (3, 7, 21)]
l2 = deepcopy(l1)
l1.append(100)
print('l1:', l1)
print('l2:', l2)
l1[1].remove(55)
l2[1] += [33, 22]
l2[2] += (9, 9, 81)
print('l1:', l1)
print('l2:', l2)

输出结果：

拷贝的特点

不可变类型的对象（如数字、字符串、和其他'原子'类型的对象）对于深浅拷贝毫无影响，最终的地址值和值都是相等的。也就是，"obj is copy.copy(obj)" 、"obj is copy.deepcopy(obj)"
可变类型的对象=浅拷贝：值相等，地址相等copy浅拷贝：值相等，地址不相等deepcopy深拷贝：值相等，地址不相等
循环引用的对象如果对象有循环引用，那么这个朴素的算法会进入无限循环。deepcopy 函数会记住已经复制的对象，因此能优雅地处理循环引用。

循环引用：b 引用 a，然后追加到 a 中;deepcopy 会想办法复制 a，而copy会进入无限循环。如下面代码：

from copy import deepcopy, copy
a = [80, 90]
b = [a, 100]
a.append(b)
print("a:", a)
print("b:", b)

c = deepcopy(a)
print("c:", c)

d = copy(b)
print("d:", d)

输出结果：

a: [80, 90, [[...], 100]]
b: [[80, 90, [...]], 100]
c: [80, 90, [[...], 100]]
d: [[80, 90, [[...], 100]], 100]

深浅拷贝的作用

1，减少内存的使用2，以后在做数据的清洗、修改或者入库的时候，对原数据进行复制一份，以防数据修改之后，找不到原数据。3. 可以定制复制行为，通过实现__copy()和__deep__()方法来控制。

3、总结

看完这篇文章后，转身就跟你同桌说：“x同学，听说你最近在学Python，你知道浅拷贝和深拷贝吗？”“不知道，学得有点晕”“没事，我来给你讲讲：”

拷贝其实在开始学好几个操作语句中，我们就已经使用过却可能不知道的（前3个），而且浅拷贝是Python的默认拷贝方式。拷贝的方法如下：

可变类型的切片操作：[:]
工厂函数（如list/dir/set）
字典copy方法(X.copy())
然后就是Python有专门的copy标准库模块：包含两个方法copy()和deepcopy()

浅拷贝就像是我只拷贝最外围的对象，对象中引用的其他对象我不复制。深拷贝就是完整的把对象和对象里的内容都拷贝过来。拷贝的目的：

为了节省内存
防止数据丢失。

后记：深浅拷贝的坑及难以理解的点也只在复合对象上，简单对象就是我们平常理解的复制。而针对非容器类型（如数字、字符串、和其他'原子'类型的对象）没有被拷贝一说。

要是你的同桌还是不懂，你就把这篇文章甩给他，让他好好看看（偷笑）。如果你觉得这篇文章还不错，请点个赞或者收个藏，点个关注更好啦。