Python中的深拷贝和浅拷贝

前言

在Python中，经常涉及到数据的传递，在数据传递使用过程中，可能会发生数据被修改的问题。为了防止数据被修改，就需要在传递一个副本，即使副本被修改，也不会影响原数据的使用。为了生成这个副本，就产生了拷贝。今天就说一下Python中的深拷贝与浅拷贝的问题。

一、Python 的引用计数

首先我们要知道，Python 内不可变对象的内存管理方式是引用计数。因此，我们在谈论拷贝时，其实谈论的主要特点都是基于可变对象的。我们来看下面这段代码：

import copy

a = "lisi"
b = a
c = copy.copy(a)
d = copy.deepcopy(a)

print ("赋值：", id(b))
print ("浅拷贝：", id(c))
print ("深拷贝：", id(d))

输出结果：

因为我们这里操作的是不可变对象，Python 用引用计数的方式管理它们，所以 Python 不会对值相同的不可变对象，申请单独的内存空间。只会记录它的引用次数。

二、浅拷贝

我们先来比较一下浅拷贝和赋值在可变对象上的区别：

import copy

a = ["lisi"]
b = a
c = copy.copy(a)

print ("赋值：", id(b))
print( "浅拷贝：", id(c))

输出结果：

赋值就是对物体进行贴标签操作，作用于同一物体。而浅拷贝则会创建一个新的对象，至于对象中的元素，它依然会引用原来的物体，我们再来看一段例子：

import copy

a = ["lisi"]

print ("改变前，a内部的元素id：", [id(_) for _ in a])

c = copy.copy(a)

print ("改变前，浅拷贝c内部的元素id：", [id(_) for _ in c])

a[0] = "zhangsan"

print( "改变后，a内部的元素id：", [id(_) for _ in a])
print ("改变后，浅拷贝c内部的元素id：", [id(_) for _ in c])

输出结果：

操作不可变对象时，由于引用计数的特性，被拷贝的元素改变时，就相当于撕掉了原来的标签，重新贴上新的标签一样，对于我们已拷贝的元素没有任何影响。因此在操作不可变对象时，浅拷贝和深拷贝是没有区别的

三、深拷贝

深拷贝遇到可变对象，则又会进行一层对象创建，所以你操作被拷贝对象内部的可变对象，不影响拷贝对象内部的值

import copy
import json

a = [["lis"], "zhangs"]

print ("改变前，a的值", json.dumps(a, ensure_ascii=False))
print ("改变前，a内部的元素id：", [id(_) for _ in a])

d = copy.deepcopy(a)

print ("改变前，d的值", json.dumps(d, ensure_ascii=False))
print ("改变前，深拷贝d内部的元素id：", [id(_) for _ in d])

a[0][0] = "小红"
a[1] = "小明"

print ("改变后，a的值", json.dumps(a, ensure_ascii=False))
print ("改变后，d的值", json.dumps(d, ensure_ascii=False))
print ("改变后，a内部的元素id：", [id(_) for _ in a])
print ("改变后，深拷贝d内部的元素id：", [id(_) for _ in d])

输出结果：

四、总结

1. 由于 Python 内部引用计数的特性，对于不可变对象，浅拷贝和深拷贝的作用是一致的，就相当于复制了一份副本，原对象内部的不可变对象的改变，不会影响到复制对象
2. 浅拷贝的拷贝。其实是拷贝了原始元素的引用（内存地址），所以当拷贝可变对象时，原对象内可变对象的对应元素的改变，会在复制对象的对应元素上，有所体现
3. 深拷贝在遇到可变对象时，又在内部做了新建了一个副本。所以，不管它内部的元素如何变化，都不会影响到原来副本的可变对