Python深拷贝与浅拷贝（Python系列09）

前言：在python中深拷贝和浅拷贝它们的区别是什么，在什么情况下使用浅拷贝好，又在情况下不使用深拷贝可能会出现问题，想要弄明白，我们得从内存下手。

我们先来看下面这段代码：

list_old = [1, 2, 3, 4, 5]
list_new = list_old
list_new[0] = 5
print(list_old)
print(list_new)

# 运行结果
# [5, 2, 3, 4, 5]
# [5, 2, 3, 4, 5]

 可以看到列表 list_old 改变的时候，list_new也改变了，那这是为什么呢，我们来看看内存里是如何变化的吧。

list_new = list_old不属于拷贝，仅仅是list_old把列表数据的地址赋值给了变量list_new，所以list_new和list_old中存储的内存地址是相同的，所以在数据发生变化的时候，它们会同时变化。

业务需求就是希望list_new变化，list_old保持不变，这个时候应该如何解决？

浅拷贝：

list_old = [1, 2, 3, 4, 5]
# list_new = list_old.copy()
list_new = [:]
list_new[0] = 5
print(list_old)
print(list_new)

# 运行结果
# [1, 2, 3, 4, 5]
# [5, 2, 3, 4, 5]

如上述代码，我们可以用切片或者python的内置函数copy对列表进行浅拷贝，为什么浅拷贝后就能达到上述的业务需求呢？让我们来看看内存图吧。

如上图所示，浅拷贝创建了一个新的列表对象，当list_new里的数据地址发生改变的时候，并不会影响到list_old。

那如果我把代码改一下，浅拷贝还能完成我们的需求吗?

list_old = [[1, 2], 2, 3, 4, 5]
list_new = list_old[:]
list_new[0][1] = 1
print(list_old)
print(list_new)

# 运行结果
# [[1, 1], 2, 3, 4, 5]
# [[1, 1], 2, 3, 4, 5]

在这段代码中又出现了上面的问题，list_new改变的时候list_old也发生改变，我们来看看内存的变化吧。

我们可以看到，浅拷贝时当列表中的元素有可变类型时，还是会出现上面提到的情况，这个时候我们应该如何解决呢？

深拷贝：

import copy

list_old = [[1, 2], 2, 3, 4, 5]
list_new = copy.deepcopy(list_old)
list_new[0][1] = 1
print(list_old)
print(list_new)

# 运行代码
# [[1, 2], 2, 3, 4, 5]
# [[1, 1], 2, 3, 4, 5]

内存图奉上：

深拷贝拷贝所有层的数据，拷贝后的数据完全独立。

深浅拷贝的对比：

1.深拷贝拷贝所有层的数据，拷贝后的数据完全独立。

        优点是修改数据时互不影响，缺点是占用内存较大。

2.浅拷贝拷贝的是第一层数据，共享深层数据。

        优点是占用内存较小，缺点是修改深层数据互相影响。

需要拷贝深层数据时使用深拷贝，否则使用浅拷贝。