浅拷贝和深拷贝

引子：

今天做题目时，碰到个东西感觉有意思：有一个pandas dataframe格式的数据，第一列是id号，需要去掉；但是去掉之前你不知道之后要不要用它，所以先保存一下：

ID = df['ID']

之前，老师讲过，像这样保存内存地址必须先给一个变量名，要不然会被内存清除。比如：

def Foo():
    print("Good")
Foo  #这个是看函数的内存地址
Foo()   #运行之后就被清除了
s = Foo()  #没被清除，print(s)会给一个值

问题来了：借鉴于另一个博客的例子(https://blog.csdn.net/qq_32907349/article/details/52190796)

import copy
origin = [1, 2, [3, 4]]
#origin 里边有三个元素：1， 2，[3, 4]
cop1 = copy.copy(origin)
cop2 = copy.deepcopy(origin)
cop1 == cop2   #值相等
True
cop1 is cop2  #地址是否一样
False 
#cop1 和 cop2 看上去相同，但已不再是同一个object
origin[2][0] = "hey!" 
origin
[1, 2, ['hey!', 4]]
cop1
[1, 2, ['hey!', 4]]
cop2
[1, 2, [3, 4]]
#把origin内的子list [3, 4] 改掉了一个元素，观察 cop1 和 cop2

很容易看出，浅拷贝copy1因为赋值了origin对象本身，内存地址和origin不同了，但是origin改变了数值，浅拷贝也跟着改变了，为什么这样呢？因为它创建一个新的对象，其内容是原对象中元素的引用，并没有拷贝元素值本身。（拷贝组合对象，不拷贝子对象）
深拷贝：是指创建一个新的对象，然后递归的拷贝原对象所包含的子对象。

赋值操作：a = b，b如果想象成一个指针，指向一个内存地址，那么a也相当于一个指针，两个指针指向同一个内存地址，也就是对象；
浅拷贝：copy了一个新的对象，这个新的对象比如list没有存值，只是存的指针，指向origin数值。

深拷贝：啥都拷贝了，包括对象和对象里的元素，深拷贝的新对象和原对象没关系了。

再回头来看，可以把指针当做引用，那么当a=b时，被引用的那个对象的引用计数加一，有a和b两个。当a和b都没有时，对象因为引用计数变成0，根据python垃圾回收机制，对象会被清空。所以在操作dataframe格式，删除某一列时，需要将它进行备份，要不然通过df.drop['name',axis = ]后，被删除的那一列没有引用了，引用计数减一等于0，就被清除了。