Python中的深拷贝与浅拷贝

一.可变与不可变

python数据类型

数据类型	特征
列表	有序、可变
元组	有序、不可变
字符串	无序、可变
字典	无序、可变
集合	有序、不可变

基于值的内存管理方式

对列表进行添加元素的方法

向列表中添加新元素有三种常用的方法，分别为：
L=L+[i]， L.append(i)， L+=[i]
下面我们来总结一下这三种方法的差别：
（1） L=L+[i]在每一次执行时都会将原列表复制一次，L 指向新列表，并 在新列表中加入新元素。
（2） L.append(i)只是将新元素直接添加到原列表中，不会产生新列表。
（3） L+=[i]的执行效果和 L.append(i)类似，也是在原列表中直接添加元 素，不会复制原列表。 Python 中可以通过 id()函数来查看列表存储的地址，如果语句执行前后列 表的地址不同，那么就说明原列表被复制，此时的 L 指向新列表的地址。反 之，则列表没有被复制，L 仍指向原列表

不管是可变还是不可变的序列类型：
（1）分片必定产生新的序列
（2）“+”号在等号右边，必定产生新的序列，然后将新的序列地址赋予给等号左边的变量

列表方法list.copy() ---- 浅拷贝

s = [1,2,3]
b = s.copy()
s[0] = 6
print(s,b)

输出结果：

[6,2,3] [1,2,3]

copy模块中的copy()、deepcopy()函数

copy.copy() 浅拷贝
copy.deepcopy() 深拷贝

import copy
a=[1,2,[3,4],{'a':1}]   # 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
e=a[:]  # 能复制序列，浅拷贝
 
a.append('add1')　　# 修改对象a
a[2].append('add2')　　# 修改对象a中的[3,4]数组对象
a[3]='666'
print('a:',a)
print('b:',b)
print('c:',c)
print('d:',d)
print('e:',e)

输出结果

a: [1, 2, [3, 4, 'add2'], '666', 'add1']
b: [1, 2, [3, 4, 'add2'], '666', 'add1']
c: [1, 2, [3, 4, 'add2'], {'a': 1}]
d: [1, 2, [3, 4], {'a': 1}]
e: [1, 2, [3, 4, 'add2'], {'a': 1}]

二.Numpy中的深拷贝与浅拷贝

共享内存地址的两个变量

共享内存地址的两个变量当其中一个变量的值改变时，另一个变量的值也随之改变。此时，变量间的拷贝是浅拷贝

和Python的列表序列不同，ndarray对象通过下标范围获取的新的数组是原始数据的一个视图（view），它与原始数据共享一块数据空间。

ndarray.view() ---- 浅拷贝

共享视图’view’的两个变量当其中一个变量的值改变时，另一个变量的值也随之改变。此时，变量间的拷贝是浅拷贝

np.copy() ---- 深拷贝

通过深拷贝得到的变量互不干扰，其中一个变量的值改变时，不影响其他变量的值。