关于Python中深拷贝与浅拷贝的理解（一）---概念

缘由

用Python也有很长时间了，一直在做科学计算和爬虫采集方面的东西。自己的毕业论文涉及到编写一个科学计算的软件，也是用Python编写。界面采用PyQt。

软件的主体前段时间已经写好，最近在试算的时候出现两个问题：

• 同一种计算方法，点击计算两次，结果会变，后面再点击几次结果保持不变
• 不同的计算方法，第一次改变计算方法可能结果会变，后面再点击几次结果保持不变

这明显是个bug啊想我当初写好了软件主体，还一时觉得飘飘然，出现了这么低级的bug瞬间感觉自己学Python一年多还是图样。

不管怎样，还是要调试的，所以以上都是废话，talk is cheap，开撸。

找bug

在我构造的类中，有self.original_data与self.result_data两组数据，都是Pandas构造的DataFrame。self.original_data是读取文本存储的原始数据，而self.result_data则是用于存储计算得到的结果数据。

重现了几次bug，之所以出现第二次计算结果变化而后续结果不再变化，应该是输入数据产生了变化。也就是self.original_data。而我程序中也没有对于输入数据的改动。思来想去……结合以前自己闲着没事看的一些技术博客和微信公众号的推送（所以没事多看点东西还是挺重要），将问题锁定在了Python的深拷贝和浅拷贝上。

Python中的深拷贝与浅拷贝概念

其实这个问题在学习Python的过程中应该是一个基础问题，但由于当时没有在意，以至于后面成型软件要整体上进行修改。

网上关于Python深拷贝与浅拷贝的相关介绍有很多，这里列两个：

• Python 拷贝对象（深拷贝deepcopy与浅拷贝copy）
• 深入Python(4):深拷贝和浅拷贝

大体上讲，Python里的赋值符号“=”只是将对象进行了引用，如果想新开辟地址new出一个新对象，要用copy模块的copy.copy()，但是用这个方法得到的对象是新对象，但是数据还是引用。

如果要完全得到一个新的一模一样的对象，要用copy.deepcopy()方法。这样，在改变新对象的时候，原对象才能不受影响，也就是保持原始数据不变。一个简单的例子（转自：http://www.jb51.net/article/15714.htm ）：

import copy  
a = [1, 2, 3, 4, ['a', 'b']] #原始对象  
  
b = a #赋值，传对象的引用  
c = copy.copy(a) #对象拷贝，浅拷贝  
d = copy.deepcopy(a) #对象拷贝，深拷贝  
  
a.append(5) #修改对象a  
a[4].append('c') #修改对象a中的['a', 'b']数组对象  
  
print 'a = ', a  
print 'b = ', b  
print 'c = ', c  
print 'd = ', d  

输出为：
a = [1, 2, 3, 4, ['a', 'b', 'c'], 5] 
b = [1, 2, 3, 4, ['a', 'b', 'c'], 5] 
c = [1, 2, 3, 4, ['a', 'b', 'c']] 
d = [1, 2, 3, 4, ['a', 'b']]

还有这篇博客，解释得更加详细一些。

基本就是这样，Python深拷贝与浅拷贝的概念存与此。