5张图彻底理解Python中的浅拷贝与深拷贝

假设你去面试 Python 开发岗，面试官如果对基础比较看重的话，那么很可能会问你这样的问题

“谈谈你对 Python 中的浅拷贝和深拷贝的理解？”

若平时你在开发中像我一样，过度使用 deepcopy，以至于忘记了浅拷贝（shallow copy）和深拷贝（deep copy）的区别，那很可能要栽大跟头了。建议在读这篇文章之前，看下我之前写的文章《你真的理解Python中的赋值、传参吗？》，它有助于你更快的理解本文

Python 的引用计数

首先我们要知道，Python 内不可变对象的内存管理方式是引用计数。因此，我们在谈论拷贝时，其实谈论的主要特点都是基于可变对象的。我们来看下面这段代码

import copy

a = "张小鸡"
b = a
c = copy.copy(a)
d = copy.deepcopy(a)

print "赋值：id(b)->>>", id(b)
print "浅拷贝：id(c)->>>", id(c)
print "深拷贝：id(d)->>>", id(c)

输出如下

赋值：id(b)->>> 4394180400
浅拷贝：id(c)->>> 4394180400
深拷贝：id(d)->>> 4394180400

pic_1.png

因为我们这里操作的是不可变对象，Python 用引用计数的方式管理它们，所以 Python 不会对值相同的不可变对象，申请单独的内存空间。只会记录它的引用次数

浅拷贝

我们先来比较一下浅拷贝和赋值在可变对象上的区别

import copy

a = ["张小鸡"]
b = a
c = copy.copy(a)

print "赋值：id(b)->>>", id(b)
print "浅拷贝：id(c)->>>", id(c)

输出结果

赋值：id(b)->>> 4473562824
浅拷贝：id(c)->>> 4462057592

pic_2.png

发现没有，赋值就是对物体进行贴标签操作，作用于同一物体。而浅拷贝则会创建一个新的对象，至于对象中的元素，它依然会引用原来的物体，我们再来看一段例子

import copy

a = ["张小鸡"]

print "改变前，a内部的元素id：id([a])->>>", [id(_) for _ in a]

c = copy.copy(a)

print "改变前，浅拷贝c内部的元素id：id([c])->>>", [id(_) for _ in c]

a[0] = "姬无命"

print "改变后，a内部的元素id：id([a])->>>", [id(_) for _ in a]
print "改变后，浅拷贝c内部的元素id：id([c])->>>", [id(_) for _ in c]

输出如下

改变前，a内部的元素id：id([a])->>> [4318150256]
改变前，浅拷贝c内部的元素id：id([c])->>> [4318150256]
改变后，a内部的元素id：id([a])->>> [4318150352]
改变后，浅拷贝c内部的元素id：id([c])->>> [4318150256]

pic_3.png

操作不可变对象时，由于引用计数的特性，被拷贝的元素改变时，就相当于撕掉了原来的标签，重新贴上新的标签一样，对于我们已拷贝的元素没有任何影响。因此在操作不可变对象时，浅拷贝和深拷贝是没有区别的

import copy
import json

a = [["张小鸡"], "姬无命"]

print "改变前，a的值", json.dumps(a, ensure_ascii=False)
print "改变前，a内部的元素id：id([a])->>>", [id(_) for _ in a]

c = copy.copy(a)

print "改变前，c的值", json.dumps(c, ensure_ascii=False)
print "改变前，浅拷贝c内部的元素id：id([c])->>>", [id(_) for _ in c]

a[0][0] = "Tom"
a[1] = "Jack"

print "改变后，a的值", json.dumps(a, ensure_ascii=False)
print "改变后，c的值", json.dumps(c, ensure_ascii=False)
print "改变后，a内部的元素id：id([a])->>>", [id(_) for _ in a]
print "改变后，浅拷贝c内部的元素id：id([c])->>>", [id(_) for _ in c]

输出结果

改变前，a的值 [["张小鸡"], "姬无命"]
改变前，a内部的元素id：id([a])->>> [4385503208, 4373939232]
改变前，c的值 [["张小鸡"], "姬无命"]
改变前，浅拷贝c内部的元素id：id([c])->>> [4385503208, 4373939232]
改变后，a的值 [["Tom"], "Jack"]
改变后，c的值 [["Tom"], "姬无命"]
改变后，a内部的元素id：id([a])->>> [4385503208, 4373938320]
改变后，浅拷贝c内部的元素id：id([c])->>> [4385503208, 4373939232]

pic_4.png

由于浅拷贝会使用原始元素的引用（内存地址）。所以在在操作被拷贝对象内部的可变元素时，其结果是会影响到拷贝对象的

深拷贝

深拷贝遇到可变对象，则又会进行一层对象创建，所以你操作被拷贝对象内部的可变对象，不影响拷贝对象内部的值

import copy
import json

a = [["张小鸡"], "姬无命"]

print "改变前，a的值", json.dumps(a, ensure_ascii=False)
print "改变前，a内部的元素id：id([a])->>>", [id(_) for _ in a]

d = copy.deepcopy(a)

print "改变前，d的值", json.dumps(d, ensure_ascii=False)
print "改变前，深拷贝d内部的元素id：id([d])->>>", [id(_) for _ in d]

a[0][0] = "Tom"
a[1] = "Jack"

print "改变后，a的值", json.dumps(a, ensure_ascii=False)
print "改变后，d的值", json.dumps(d, ensure_ascii=False)
print "改变后，a内部的元素id：id([a])->>>", [id(_) for _ in a]
print "改变后，深拷贝d内部的元素id：id([d])->>>", [id(_) for _ in d]

输出如下

改变前，a的值 [["张小鸡"], "姬无命"]
改变前，a内部的元素id：id([a])->>> [4337440744, 4325876768]
改变前，d的值 [["张小鸡"], "姬无命"]
改变前，深拷贝d内部的元素id：id([d])->>> [4337440888, 4325876768]
改变后，a的值 [["Tom"], "Jack"]
改变后，d的值 [["张小鸡"], "姬无命"]
改变后，a内部的元素id：id([a])->>> [4337440744, 4325875856]
改变后，深拷贝d内部的元素id：id([d])->>> [4337440888, 4325876768]

pic_5.png

总结

因此，在下次我们遇到这类问题时，我们说出以下关键点，基本就很稳了

1. 由于 Python 内部引用计数的特性，对于不可变对象，浅拷贝和深拷贝的作用是一致的，就相当于复制了一份副本，原对象内部的不可变对象的改变，不会影响到复制对象
2. 浅拷贝的拷贝。其实是拷贝了原始元素的引用（内存地址），所以当拷贝可变对象时，原对象内可变对象的对应元素的改变，会在复制对象的对应元素上，有所体现
3. 深拷贝在遇到可变对象时，又在内部做了新建了一个副本。所以，不管它内部的元素如何变化，都不会影响到原来副本的可变对象

参考资料

图解python中赋值、浅拷贝、深拷贝的区别

Python中 copy, deepcopy 的区别及原因

tail_qrcode.jpg