Python深拷贝与浅拷贝的区别：修改副本为何影响原对象

Mia

发布时间：2026-10-23| 6人浏览过

原创

在 Python 中，修改“副本”却意外连带改变了“原对象”，根源在于浅拷贝只复制了最外层的容器外壳，容器内部包含的所有子对象依然是指向原有内存地址的引用；只有当对象内部存在嵌套的可变对象（如嵌套列表或字典）且发生就地修改时，原对象才会同步受损。要彻底阻断这种连带污染，必须通过深拷贝递归克隆整棵对象树。

从一个典型的修改异常切入

很多开发者在日常编写业务逻辑时，都会遇到类似这样的怪事：为了保存配置初始值或列表快照，特地调用了 copy() 方法生成一个新列表。然而在后续对副本做局部调整时，原本打算作为备份的原始数据竟然不知不觉被一同篡改了：

import copy

origin_data = [["item-1", "item-2"], 100]
shallow_copy = origin_data.copy()

# 尝试在副本中为第一个元素追加一项
shallow_copy[0].append("item-3")

print("副本内容:", shallow_copy)
# 输出: 副本内容: [['item-1', 'item-2', 'item-3'], 100]

print("原对象内容:", origin_data)
# 意外输出: 原对象内容: [['item-1', 'item-2', 'item-3'], 100]

明明没有直接操作 origin_data，原对象的第一个子列表却凭空多出了 item-3。而更有趣的是，如果接下来对外层元素执行修改，比如 shallow_copy.append(200)，原对象却又完全不受影响。这种“有时独立、有时绑定”的现象，常常让人误以为 Python 的拷贝机制不稳定。要理清背后的逻辑，必须看清变量在内存中到底是如何被组织与引用的。

图 1：Python 变量赋值、浅拷贝与深拷贝在内存地址与引用链路上的核心区别

内存视角：浅拷贝究竟“拷贝”了什么

在 Python 的对象模型中，变量名本质上是一张“便利贴”，贴在堆内存中具体的对象上。一个复合型对象（例如 list 或 dict）本身并不把子元素的内容直接塞在外壳里，而是保存了一组指向各子元素内存地址的指针。

理解浅拷贝的关键在于：浅拷贝只开辟了一块新内存来存放新的外层容器，然后把原容器里记录的一串内存指针原样照抄了进去。我们借助 Python 内置的 id() 函数打印出各自的真实内存地址，便能看得一清二楚：

origin = [["sub_item"], 10]
clone = origin.copy()

print("外层容器地址对比:")
print("origin ID:", id(origin))
print("clone  ID:", id(clone))
# 输出结果不同，证实外壳确为两块独立内存

print("\n内部嵌套元素地址对比:")
print("origin[0] ID:", id(origin[0]))
print("clone[0]  ID:", id(clone[0]))
# 输出结果完全一致！说明内部列表根本没被复制

由此可见，clone 虽然拥有自己独立的外壳地址，但它的第一项 clone[0] 所记录的地址与 origin[0] 完完全全重合。既然两个变量名最终指引到了堆内存中的同一块连续空间，那么针对该空间发起的任何原地修改操作（如 append、pop、键值赋值），自然会在两个变量的视角下同时展现出来。

图 2：针对浅拷贝副本执行不同层级修改操作时的内存状态流转与连带效应

常见的浅拷贝陷阱：你以为的“全新对象”

很多开发者之所以掉入浅拷贝的坑，是因为 Python 提供了很多看似在“重新生成数据”的便捷语法，而这些语法无一例外都属于浅拷贝。如果不加留心，很容易在不知情中写下隐蔽的共享引用：

列表完整切片：new_list = old_list[:] 虽然创建了一个新列表容器，但内部子元素地址全部未变。
工厂函数构造：new_list = list(old_list) 或 new_dict = dict(old_dict)，同样仅仅遍历了旧容器并把指针插入新容器。
对象的 copy() 方法：如 list.copy()、dict.copy() 或 set.copy()，标准库明确将其定义为 Shallow Copy。
解构推导或星号展开：[*old_list] 或 {**old_dict}，语法现代化且书写优雅，但本质依然是逐项复制指针引用。

图 3：Python 常见拷贝方式的底层属性对照矩阵

深拷贝的实现原理与使用代价

当业务必须确保“无论副本如何变动，原对象必须纹丝不动”时，唯一的标准答案是引入 Python 标准库提供的 copy.deepcopy()。深拷贝绝不是简单的两层循环，它在底层包含一套非常健壮的对象树遍历机制：

import copy

config_origin = {
    "server": "127.0.0.1",
    "ports": [8080, 8081],
    "env": {"DEBUG": True}
}

config_snapshot = copy.deepcopy(config_origin)

# 随意修改嵌套对象
config_snapshot["ports"].append(9000)
config_snapshot["env"]["DEBUG"] = False

print("原配置 ports:", config_origin["ports"])
# 稳定输出: [8080, 8081] - 完全未被修改！

print("原配置 env:", config_origin["env"])
# 稳定输出: {'DEBUG': True} - 保持原始状态！

深拷贝的核心机制主要体现在两点：

递归构造：遇到字典、列表、集合或自定义类实例等可变对象时，深拷贝会逐层深入下去，为每一个层级都调用构造逻辑生成全新实例。
备忘录字典（memo 机制）：为了防止对象内部存在相互引用或循环引用（例如 node.next = node）导致递归进入无限死循环，deepcopy 会维护一个以源对象 id() 为键的内部字典 memo。如果当前对象已经被拷贝过，直接复用已创建的对应副本，保证拓扑结构与安全性。

注意性能损耗：由于深拷贝需要递归遍历整个对象图并进行大量小对象的内存申请与哈希校验，其执行耗时通常是浅拷贝的数倍乃至数十倍。在吞吐量要求极高的热路径或大型数据字典中，频繁无节制地使用 deepcopy 会带来可观的 CPU 与内存负担。