官方文档：copy主题
源代码: Lib/copy.py
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？
在这里插入图片描述
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：
在这里插入图片描述
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}
在这里插入图片描述
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？
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l1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：
在这里插入图片描述
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。
在这里插入图片描述
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：
在这里插入图片描述
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。
- 可以定制复制行为，通过实现
__copy()和__deep__()方法来控制。
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。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。
本文内容有参考：
- 中文网址：将你的代码运行可视化
- 《流畅的Python》-- 第 8 章 对象引用、可变性和垃圾回收
- 《Python3标准库》-- 2.9 copy — Duplicate Objects
网友评论