python:深拷贝,浅拷贝，赋值引用,引入可变对象，不可变对象概念

python:深拷贝,浅拷贝，赋值引用 copy
代码示例：
import copy
a=[1,2,3,4,[‘a’,‘b’]]
b= a # 直接赋值：其实就是对象的引用（别名）。
c= a[:] # 浅拷贝(copy)：拷贝父对象，不会拷贝对象的内部的子对象。
d=copy.copy(a) # 浅拷贝(copy)：拷贝父对象，不会拷贝对象的内部的子对象。
e=copy.deepcopy(a) # 深拷贝(deepcopy)： copy 模块的 deepcopy 方法，完全拷贝了父对象及其子对象。
a.append(5)
a[4].append(‘e’)
print(‘a=’,a)
print(‘b=’,b)
print(‘c=’,c)
print(‘d=’,d)
print(‘e=’,e)

##运行结果
a= [1, 2, 3, 4, [‘a’, ‘b’, ‘e’], 5]
b= [1, 2, 3, 4, [‘a’, ‘b’, ‘e’], 5]
c= [1, 2, 3, 4, [‘a’, ‘b’, ‘e’]]
d= [1, 2, 3, 4, [‘a’, ‘b’, ‘e’]]
e= [1, 2, 3, 4, [‘a’, ‘b’]]

在Python中，对对象有一种很通俗的说法，万物皆对象。说的就是构造的任何数据类型都是一个对象，无论是数字、字符串、还是函数，甚至是模块、Python都对当做对象处理。

所有Python对象都拥有三个属性：身份、类型、值。

数据拷贝会涉及到Python中对象、可变类型、引用这3个概念。

• 可变对象： 列表、字典、集合。所谓可变是指可变对象的值可变，身份是不变的。
• 不可变对象：数字、字符串、元组。不可变对象就是对象的身份和值都不可变。新创建的对象被关联到原来的变量名，旧对象被丢弃，垃圾回收器会在适当的时机回收这些对象。

在Python程序中，每个对象都会在内存中申请开辟一块空间来保存该对象，该对象在内存中所在位置的地址被称为引用。在开发程序时，所定义的变量名实际就对象的地址引用。
引用实际就是内存中的一个数字地址编号，在使用对象时，只要知道这个对象的地址，就可以操作这个对象，但是因为这个数字地址不方便在开发时使用和记忆，所以使用变量名的形式来代替对象的数字地址。在Python中，变量就是地址的一种表示形式，并不开辟开辟存储空间。

不可变对象的引用赋值

对不可变对象赋值，实际就是在内存中开辟一片空间指向新的对象，原不可变对象不会被修改。原理图如下：

a与b在内存中都是指向1的引用，所以a、b的引用是相同的。
现在再给a重新赋值，看看会发生什么变化？从下面不难看出：当给a赋新的对象时，将指向现在的引用，不在指向旧的对象引用。

可变对象的引用赋值

可变对象保存的并不是真正的对象数据，而是对象的引用。当对可变对象进行赋值时，只是将可变对象中保存的引用指向了新的对象。原理图如下：
可变对象引用赋值的过程：当改变l1时，整个列表的引用会指新的对象，但是l1与l2都是指向保存的同一个列表的引用，所以引用地址不会变。

主旨详解：浅拷贝、深拷贝

Python中如何解决原始数据在函数传递之后不受影响？使用对象的拷贝或者深拷贝就可以解决了。

浅拷贝

为了解决函数传递后被修改的问题，就需要拷贝一份副本，将副本传递给函数使用，就算是副本被修改，也不会影响原始数据 。

不可变对象的拷贝

不可变对象只在修改的时候才会在内存中开辟新的空间，而拷贝实际上是让多个对象同时指向一个引用，和对象的赋值没区别。
同样的，通过一个实例来感受一下：不难看出，a与b指向相同的引用，不可变对象的拷贝就是对象赋值。

可变对象的拷贝

对于不可变对象的拷贝，对象的引用并没有发生变化，那么可变对象的拷贝会不会和不可变对象一样了？我们接着往下看。
通过下面的实例能看出：可变对象的拷贝会在内存中开辟一个新的空间来保存拷贝的数据。当再改变之前的对象时，对拷贝之后的对象没有任何影响。

是不是浅拷贝就可以解决原始数据在函数传递之后不变的问题了？下面看一个稍微复杂一点的数据结构。
通过下面这个实例可以发现：复杂对象在拷贝时，并没有解决数据在传递之后，数据改变的问题。出现这种原因，是copy() 函数在拷贝对象时只是将指定对象中的所有引用拷贝了一份，如果这些引用当中包含了一个可变对象的话，那么数据还是会被改变。这种拷贝方式，称为浅拷贝。

对于上边这种状况，Python还提供了另一种拷贝方式（深拷贝）来解决。

深拷贝

区别于浅拷贝只拷贝顶层引用，深拷贝会逐层进行拷贝，直到拷贝的所有引用都是不可变引用为止。
接下来我们看看，要是将上边的拷贝实例用使用深拷贝的话，原始数据改变的问题还会不会存在了？

查漏补缺
为什么Python默认的拷贝方式是浅拷贝？
时间角度：浅拷贝花费时间更少；
空间角度：浅拷贝花费内存更少；
效率角度：浅拷贝只拷贝顶层数据，一般情况下比深拷贝效率高。
本文知识点总结：
不可变对象在赋值时会开辟新空间；
可变对象在赋值时，修改一个的值，另一个也会发生改变；
深、浅拷贝对不可变对象拷贝时，不开辟新空间，相当于赋值操作；
浅拷贝在拷贝时，只拷贝第一层中的引用，如果元素是可变对象，并且被修改，那么拷贝的对象也会发生变化；
深拷贝在拷贝时会逐层进行拷贝，直到所有的引用都是不可变对象为止；
Python中有多种方式实现浅拷贝，copy模块的copy函数、对象的copy函数、工厂方法、切片等；
大多数情况下，编写程序时都是使用浅拷贝，除非有特定的需求；
浅拷贝的优点：拷贝速度快，占用空间少，拷贝效率高。