python深浅拷贝

1.浅拷贝

浅拷贝会创建一个新的对象，但是如果原对象中的元素是可变的，那么新对象中的这些元素将是原对象中对应元素的引用（即内存地址相同），而不是它们的拷贝。这意味着，如果你修改了新对象中的这些可变元素，原对象中的相应元素也会被修改。

浅拷贝在需要快速复制对象但不需要完全独立于原对象（特别是当内部元素不可变时）时非常有用。然而，当内部元素是可变类型时，需要特别小心，因为对浅拷贝的修改可能会意外地影响到原对象。

1.1 浅拷贝的实现

在Python中，可以使用copy模块中的copy()函数来实现浅拷贝。

import copy  
  
# 定义一个包含可变元素的列表  
original_list = [1, 2, [3, 4], 5]  
  
# 使用浅拷贝创建新列表  
shallow_copied_list = copy.copy(original_list)  
  
# 检查原始列表和浅拷贝列表的外部元素（非可变元素）是否独立  
print(id(original_list) == id(shallow_copied_list))  # False，表明是两个不同的对象  
  
# 检查原始列表和浅拷贝列表中可变元素（列表[3, 4]）的引用是否相同  
print(id(original_list[2]) == id(shallow_copied_list[2]))  # True，表明它们是同一个对象  
  
# 修改浅拷贝列表中的可变元素  
shallow_copied_list[2].append(6)  
  
# 检查原始列表是否也被修改了  
print(original_list)  # 输出 [1, 2, [3, 4, 6], 5]，表明原始列表也被修改了

运行结果：

1.2 浅拷贝三种形式

（1）切片操作

如：

lst = [1, 2, [3, 4]]

切片操作：

lst1 = lst[:] 

或者

lst1 = [each for each in lst]

说明：[:]它与[0:]相似，意思是从0索引拆分到末尾。它返回一个新列表。

（2）工厂函数：

lst1 = list(lst)

（3）copy函数：

lst1 = copy.copy(lst)

浅复制要分两种情况进行讨论：

（1）当浅复制的值是不可变对象（字符串、元组、数值类型）时和“赋值”的情况一样，对象的id值（id()函数用于获取对象的内存地址）与浅复制原来的值相同。

（2）当浅复制的值是可变对象（列表、字典、集合）时会产生一个“不是那么独立的对象”存在。有两种情况：

        第一种情况：复制的对象中无复杂子对象，原来值的改变并不会影响浅复制的值，同时浅复制的值改变也并不会影响原来的值。原来值的id值与浅复制原来的值不同。

        第二种情况：复制的对象中有复杂子对象（例如列表中的一个子元素是一个列表），如果不改变其中复杂子对象，浅复制的值改变并不会影响原来的值。但是改变原来的值中的复杂子对象的值会影响浅复制的值。

2. 深拷贝

深拷贝在Python中是指创建一个新的对象，并递归地复制原始对象及其所有子对象（包括嵌套的对象）的所有内容，使得新对象与原始对象完全独立，不共享内存地址。因此，对深拷贝后的对象进行修改，不会影响到原始对象。

深拷贝是Python中处理复杂对象拷贝的一种重要方式，它可以帮助我们创建完全独立于原始对象的新对象，从而避免在修改新对象时影响到原始对象。然而，在使用深拷贝时，我们也需要注意其可能带来的性能问题和循环引用问题

1.1 深拷贝的实现

(1) 使用copy模块的deepcopy()函数

这是最常用的实现深拷贝的方法。copy模块是Python标准库的一部分，提供了deepcopy()函数用于深拷贝操作。

import copy  

original_list = [[1, 2], [3, 4]]  
deep_copied_list = copy.deepcopy(original_list)  

# 修改深拷贝后的列表  
deep_copied_list[0].append(5)  

# 打印原始列表和深拷贝后的列表，查看是否相互独立  
print(original_list)  # 输出: [[1, 2], [3, 4]]  
print(deep_copied_list)  # 输出: [[1, 2, 5], [3, 4]]

(2) 使用pickle模块的loads()和dumps()函数：

pickle模块可以将Python对象序列化为字节流，也可以将字节流反序列化为Python对象。通过先序列化再反序列化的过程，可以实现深拷贝。

import pickle  

original_list = [[1, 2], [3, 4]]  
serialized_data = pickle.dumps(original_list)  
deep_copied_list = pickle.loads(serialized_data)  

# 修改深拷贝后的列表  
deep_copied_list[0].append(5)  

# 打印原始列表和深拷贝后的列表，查看是否相互独立  
print(original_list)  # 输出: [[1, 2], [3, 4]]  
print(deep_copied_list)  # 输出: [[1, 2, 5], [3, 4]]

3. 区别归纳

	浅拷贝	深拷贝
定义	重新分配内存，创建新对象，但内部元素是原对象中子对象的引用	重新分配内存，创建新对象，并递归拷贝原对象中的所有元素到新对象中
引用类型处理	拷贝引用，不拷贝引用的对象	拷贝引用的对象，创建新的对象
内存独立性	引用类型属性共享内存空间	完全独立的内存空间
影响	对新对象中引用类型属性的修改会影响原对象	对新对象的修改不会影响原对象

在需要完全独立复制对象，且对原对象无影响时使用深拷贝。

在不需要完全独立复制对象，或对象较小且只包含基本数据类型时，可以使用浅拷贝以提高效率。