一.深拷贝与浅拷贝
理解 Python 中的深拷贝（deep copy）和浅拷贝（shallow copy）是非常重要的，特别是在处理嵌套结构的数据时。让我们深入探讨这两个概念，并通过代码示例进行说明。
1. 浅拷贝（Shallow Copy）：
浅拷贝创建一个新的对象，但是这个新对象中的子对象是原始对象中子对象的引用。换句话说，只拷贝了对象的第一层结构，而深层嵌套的对象则共享引用。
import copy # 原始列表 original_list = [[1, 2, 3], [4, 5, 6]] # 浅拷贝 shallow_copy = copy.copy(original_list) # 修改原始列表的子列表 original_list[0][0] = 100 print("Original List:", original_list) print("Shallow Copy:", shallow_copy)
输出结果为：
Original List: [[100, 2, 3], [4, 5, 6]] Shallow Copy: [[100, 2, 3], [4, 5, 6]]
在这个例子中，虽然我们只修改了原始列表的子列表，但是浅拷贝的结果也受到了影响，因为浅拷贝只复制了第一层结构，而子列表仍然是原始对象中子列表的引用。
2. 深拷贝（Deep Copy）：
深拷贝创建一个完全独立的新对象，包括对象中的所有子对象。无论有多少层嵌套，都会被完整复制，而不是共享引用。
import copy # 原始列表 original_list = [[1, 2, 3], [4, 5, 6]] # 深拷贝 deep_copy = copy.deepcopy(original_list) # 修改原始列表的子列表 original_list[0][0] = 100 print("Original List:", original_list) print("Deep Copy:", deep_copy)
输出结果为：
Original List: [[100, 2, 3], [4, 5, 6]] Deep Copy: [[1, 2, 3], [4, 5, 6]]
在这个例子中，深拷贝创建了一个独立的新对象，即使修改了原始列表的子列表，深拷贝的结果也不受影响。
总结：
- 浅拷贝只复制对象的第一层结构，深拷贝复制了对象的所有层级结构。
- 浅拷贝会共享引用，而深拷贝则创建完全独立的新对象。
- 使用
copy模块的copy()函数进行浅拷贝，使用copy.deepcopy()函数进行深拷贝。
何时使用浅拷贝和深拷贝？
- 使用浅拷贝当你只关心顶层结构，而不关心嵌套对象的修改是否会影响原始对象。
- 使用深拷贝当你需要创建一个原始对象的完整独立副本，以便修改副本不影响原始对象。
二.可变对象与不可变对象
在Python中，对象可以分为可变对象（mutable objects）和不可变对象（immutable objects）。这两种对象类型在内存中的行为有着重要的差异，理解它们对于编写高效的Python代码至关重要。
不可变对象（Immutable Objects）：
不可变对象指的是在创建后无法修改其值或状态的对象。每次对不可变对象进行修改时，实际上是创建了一个新的对象。Python中的不可变对象包括但不限于以下几种：
- 整数（int）
- 浮点数（float）
- 复数（complex）
- 字符串（str）
- 元组（tuple）
特点：
- 不可变对象的值或状态在创建后不可修改。
- 每次对不可变对象进行修改时，都会创建一个新的对象。
# 示例：不可变对象 a = 10 # 整数是不可变对象 b = a # b指向a所指向的对象（10） a = 20 # 创建新的对象20，并让a指向新对象 print(a) # 输出 20 print(b) # 输出 10，b仍然指向原始对象10
可变对象（Mutable Objects）：
可变对象是在创建后可以修改其值或状态的对象。对可变对象的修改不会创建新的对象，而是直接在原始对象上进行操作。Python中的可变对象包括但不限于以下几种：
- 列表（list）
- 字典（dict）
- 集合（set）
- 用户自定义的类（class）
特点：
- 可变对象的值或状态可以在创建后被修改。
- 对可变对象的修改会直接影响原始对象，不会创建新的对象。
# 示例：可变对象 list_a = [1, 2, 3] # 列表是可变对象 list_b = list_a # list_b指向list_a所指向的对象（[1, 2, 3]） list_a.append(4) # 直接修改list_a所指向的对象，不创建新的对象 print(list_a) # 输出 [1, 2, 3, 4] print(list_b) # 输出 [1, 2, 3, 4]，list_b指向的对象也被修改了
三.字典深拷贝示例
下面是一个完整的示例，演示了如何进行深拷贝一个包含复杂结构的Python字典
import copy # 原始字典 original_dict = { 'name': 'John', 'age': 30, 'address': { 'city': 'New York', 'zipcode': '10001' }, 'emails': ['john@example.com', 'john.doe@example.com'] } # 执行深拷贝 deep_copy_dict = copy.deepcopy(original_dict) # 修改原始字典中的某些值 original_dict['name'] = 'Jane' original_dict['address']['city'] = 'Los Angeles' original_dict['emails'].append('jane@example.com') # 打印原始字典和深拷贝后的字典 print("Original Dictionary:") print(original_dict) print("\nDeep Copied Dictionary:") print(deep_copy_dict)
输出结果：
Original Dictionary: {'name': 'Jane', 'age': 30, 'address': {'city': 'Los Angeles', 'zipcode': '10001'}, 'emails': ['john@example.com', 'john.doe@example.com', 'jane@example.com']} Deep Copied Dictionary: {'name': 'John', 'age': 30, 'address': {'city': 'New York', 'zipcode': '10001'}, 'emails': ['john@example.com', 'john.doe@example.com']}
解释：
- 我们首先定义了一个包含复杂结构的原始字典
original_dict，其中包括字符串、整数、嵌套字典和列表。 - 使用
copy.deepcopy()函数对原始字典进行深拷贝，得到了一个完全独立的新字典deep_copy_dict。 - 修改原始字典中的一些值，包括姓名、地址和电子邮件列表。
- 打印原始字典和深拷贝后的字典，可以看到原始字典的修改不会影响深拷贝后的字典。
