深、浅拷贝的定义

深拷贝：对一个对象的所有层次的递归拷贝
浅拷贝：对一个对象表层元素的拷贝，传递表层元素的引用

在分析之前，先给大家推荐一个网站http://www.pythontutor.com/，这个网站以可视化的方式展示代码在内存中的运行过程，可以帮助大家理解深、浅拷贝在内存中执行过程。

深拷贝

深拷贝其实比较好理解，就是在拷贝对象的时候，将对象的所有部分，从里到外，全部拷贝一遍。
示例：

>> from copy import deepcopy
>> a = [1, 2, 3]
>> b = ['a', 'b', 'c']
>> c = [a, b]
>> d = deepcopy(c)  # 深拷贝
>> c
[[1, 2, 3],  ['a', 'b', 'c']]
>> d
[[1, 2, 3],  ['a', 'b', 'c']]
>> c is d
False
>> c[0] is d[0]
False
>> d[0] is a
False

下面是pythontutor上的内存解析：

深拷贝.png

我们可以看出，在深拷贝以后，内存中将原来的对象完全复制了一份，相当于深拷贝以后，d跟c、a就一点关系都没有了。

浅拷贝

浅拷贝只拷贝表层元素，也就是传递子一层元素的引用，相当于只换了个“马甲”。
示例：

# 最简单的引用传递
>> li1 = [1, 2, 3]
>> li2 = li1
>> li1 is li2
True

>> from copy import copy
>> a = [1, 2, 3]
>> b = [a] * 3
>> c = copy(b)
>> b
[[1, 2, 3], [1, 2, 3], [1, 2, 3]]
>> c
[[1, 2, 3], [1, 2, 3], [1, 2, 3]]
>> b is c
False
>> b[0] is c[0] is a
True

下面是pythontutor上的内存解析：

浅拷贝.png

不难看出，在浅拷贝以后，c其实跟b十分的相似，他们的元素都是指向同一内存地址，就像前面说的，只是换了“马甲”。

特殊的点

上面的分析是对深、浅拷贝的基本原理分析，但是事实上，Python内部的处理不仅仅如此。
Python在处理不同类型的对象时，采用的机制也是不同的。

Python对可变数据类型的拷贝遵从上面的解析，但是对不可变数据类型的拷贝，引用均指向同一内存地址。

示例：

# 对不可变数据类型的处理
>> from copy import copy, deepcopy
>> a = (1, 2, 3)
>> b = (a,) * 3
>> c = copy(b)
>> d = deepcopy(b)
>> b is c is d
True
>> a is b[0] is c[0] is d[0]
True

下面是pythontutor上的内存解析：

不可变数据类型的处理.png

可以看出，无论copy还是deepcopy，对于元组这种不可变数据类型说，都是指向同一内存地址，如果说为什么的话，那就是Python为了提升自己的性能。本来就不可变的东西，拷贝过来拷贝过去，然后还重新申请内存，那样太浪费资源了。只要省一省，资源还是有的，性能还是有的。
除了元组，Python对字符串、小整数对象[-5, 256]等，引用都是指向同一地址。