Python浅拷贝与深拷贝机制解析

在探讨浅拷贝与深拷贝的具体概念之前，我们先观察一个具体的代码现象：

a = ['scolia', 123, [], ]
b = a[:]
b[2].append(666)
print a
print b

为什么仅仅对变量b进行了修改，却导致变量a的内容也发生了改变？正如我之前在文章中提到的：Python序列中存储的实际上是内存地址的引用。

因此，当我们通过b去修改其内部包含的空列表时，实际上是在修改内存中同一个对象，这自然会影响到了变量a。

a = ['scolia', 123, [], ]
b = a[:]
print id(a), id(a[0]), id(a[1]), id(a[2])
print id(b), id(b[0]), id(b[1]), id(b[2])

代码验证结果确认无误：尽管a和b是两个独立的对象实例，但它们内部包含的引用指向的是相同的内存地址。这就是所谓的“新对象，旧内容”现象。

然而，浅拷贝的行为并不止于此，请看下面的情况：

a = ['scolia', 123, [], ]
b = a[:]
b[1] = 666
print a
print b

这又是如何发生的呢？

阅读过我之前关于Python变量赋值说明的读者应该知道：对于字符串、数字等不可变数据类型，修改操作实际上等同于重新赋值。在这里，这相当于刷新了引用指向。

让我们通过代码来验证这一点：

a = ['scolia', 123, [], ]
b = a[:]
b[1] = 666
print id(a), id(a[0]), id(a[1]), id(a[2])
print id(b), id(b[0]), id(b[1]), id(b[2])

结果显示符合预期。

上述内容即为浅拷贝的总结：浅拷贝仅复制了一系列引用。当我们对拷贝出的对象中的可变数据类型进行修改时，并未改变该可变对象的引用，因此会影响原对象；而对不可变对象进行修改时，则是新建了对象并刷新了引用，因此与原对象的引用不同，结果也随之不同。

创建浅拷贝的方法主要有：

1. 使用切片操作

2. 使用list()工厂函数新建对象（例如：b = list(a)）

那么，深拷贝是否就是将内部引用的对象重新创建一遍，并生成一系列新的引用呢？

大体上是这样，但对于字符串、数字等不可变对象而言，重新创建一份似乎有些浪费内存。既然在修改时总会新建对象并刷新引用，那么保留原来的引用也无妨，这还能达到节省内存的目的。

下面通过代码进行验证：

from copy import deepcopy
a = ['scolia', 123, [], ]
b = deepcopy(a)
b[1] = 666
print id(a), id(a[0]), id(a[1]), id(a[2])
print id(b), id(b[0]), id(b[1]), id(b[2])

验证结果正确。

深拷贝的创建方式：

1. 正如代码示例所示，只能通过内置的copy模块中的deepcopy()方法来创建。

关于深浅拷贝的问题就先讨论到这里，如果发现错误或需要补充的地方，以后会继续更新。

以上这篇深入理解Python中的浅拷贝和深拷贝就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。