深入理解 Python 中的浅拷贝与深拷贝

在 Python 中，数据复制是常见需求。复制机制分为“浅拷贝（shallow copy）”和“深拷贝（deep copy）”，这两种方式在处理复杂数据结构时的行为差异极大。下面详细解析这两种拷贝方法，包括它们的定义、如何使用、适用场景以及它们在内存操作上的不同表现。

---

1. 基本概念

1.1 前置知识

在 Python 中，所有数据都是以对象的形式表示的，这包括简单的数值、字符串，以及复杂的列表、字典等。

对象可以分为“可变对象”和“不可变对象”。

• 不可变对象（如整数、字符串和元组）不允许对象本身的内容被改变
• 可变对象（如列表、字典）则允许对象内容的修改。

1.2 浅拷贝（Shallow Copy）

浅拷贝仅仅复制数据结构的第一层对象本身，如果对象包含了其他对象的引用，则这些引用的地址不变。也就是说，浅拷贝创建了一个新对象，但是这个新对象中填充的是对原始对象内容的引用（即地址）。

1.3 深拷贝（Deep Copy）

深拷贝对原始数据的完全拷贝，包括数据结构中的所有层级。如果原始对象中含有对其他对象的引用，深拷贝不仅复制结构本身，还会递归地复制所有引用的具体内容，因此新对象与原始对象无任何关联。

2. 如何实现浅拷贝和深拷贝

Python 的 copy 模块提供了实现浅拷贝和深拷贝的方法。

示例代码

以下代码演示了浅拷贝与深拷贝的基本用法：

import copy

# 创建一个包含其他对象的复杂对象
original_list = [1, 2, [3, 4], {'a': 5}]

# 浅拷贝: 复制顶层对象，内部容器对象如列表和字典保持引用不变
shallow_copied_list = copy.copy(original_list)

# 深拷贝: 完全复制所有层级的对象，无引用关系保留
deep_copied_list = copy.deepcopy(original_list)

# 修改原始数据中的列表和字典
original_list[2].append(5)  # 这会影响浅拷贝中的相应列表
original_list[3]['a'] = 6   # 这也会影响浅拷贝中的相应字典

# 输出原始数据和两种拷贝的结果
print("Original:", original_list)       # 显示原始对象的当前状态
print("Shallow Copy:", shallow_copied_list)  # 显示浅拷贝对象的当前状态
print("Deep Copy:", deep_copied_list)        # 显示深拷贝对象的当前状态

运行结果

运行上述代码会得到以下输出：

Original: [1, 2, [3, 4, 5], {'a': 6}]
Shallow Copy: [1, 2, [3, 4, 5], {'a': 6}]
Deep Copy: [1, 2, [3, 4], {'a': 5}]

• 浅拷贝对象的子列表和字典与原始对象一致，因为它们是引用。
• 深拷贝对象的子列表和字典独立于原始对象，对原始对象的修改不影响深拷贝对象。

3. 深入分析

内存效率

浅拷贝由于只复制一层对象，因此在执行速度和所占内存上比深拷贝更为高效。对于大规模数据结构，频繁使用深拷贝可能导致明显的性能下降。

使用场景

• 浅拷贝适用于对象结构简单或只需复制顶层结构的场景。比如当需要复制的对象包含大量不可变数据或共享数据时。
• 深拷贝则适用于需要完全独立副本的复杂数据结构，如多层嵌套的列表或字典。

注意事项

在使用深拷贝时，需要注意递归引用的问题，即对象自身直接或间接地引用了自己。这种情况下，深拷贝会尝试无限复制，最终导致栈溢出错误。

---

参考：copy in Python (Deep Copy and Shallow Copy)
推荐： python 错误记录