前言
学会一门编程语言的基础语法比较简单，但是精通一门编程语言却很难，就如同我在PyHubWeekly介绍的一个GitHub项目WTFPython总结的那样，在Python中有很多看似“合情合理”的用法，但是当实现之后发现却“事与愿违”，输出的结果和我们期望的大相径庭，首先来举一个例子，
a = [1, 2, 3, 4] b = a print("[a] before append a value: {}".format(id(a))) print("[b] befaore append a value: {}".format(id(b))) a.append(5) print("[a] after append a value: {}".format(id(a))) print("[b] after append a value: {}".format(id(b))) print(b) # 输出 [a] before append a value: 1948986356936 [b] befaore append a value: 1948986356936 [a] after append a value: 1948986356936 [b] after append a value: 1948986356936 [1, 2, 3, 4, 5]
在上面例子中，我首先定义了一个变量a(list)，把它赋值给变量b，分别输出它们的id。然后，往a中添加一个值，随后再次输出a、b的id和b的值。
从上面例子中我们可以提取出下列信息：
- 被赋值的变量、值发生改变后的变量id没有改变
- 改变a的值，b的值也随之改变
其中比较重要的就是第二点：改变a的值，b的值也随之改变，这就是可变对象的一个特性。如果我们在使用可变对象时，在其他函数中有操作赋值变量的部分，如果疏忽了很容易会造成错误。就如同上面的例子，“明明没有修改b的值，为什么输出的结果却不是[1, 2, 3, 4]？”
这就引出了理解可变对象的重要性，下面就来详细介绍一下Python的可变对象与拷贝。
可变对象
可变对象中重点的概念就体现在“可变”这个词，可变对象的可变并不是体现在地址可变，而是体现在对象本身(值)的改变。换句话说，可变对象的特点在于当对象本身改变时它的地址不会改变。
与“可变”相对的就是“不可变”，下面就列举一下Python内置可变对象和不可变对象，
- 可变对象：list，set，dict
- 不可变对象：int，float，bool，str，tuple，unicode
就如同前面所说的那样，可变对象在修改它的值之后它的地址不会改变，但是不可变对象地址会被改变。下面来举个例子对比一下，
可变对象
>>> a = [1, 2, 3 ,5] >>> id(a) 1955042932488 >>> a[3] = 4 >>> a [1, 2, 3, 4] >>> id(a) 1955042932488
不可变对象
>>> a = 1 >>> id(a) 1706590320 >>> a = 2 >>> id(a) 1706590352
要想理解可变对象和不可变对象本质的区别，就要提及对象引用，我们可以把变量引用分解为两个部分：对象本身、对象引用(可以理解为指针)。
对于不可变对象，当我们对不可变对象进行赋值或者改变对象本身时，它不会改变对象本身，而会改变对象应用，它会去新的地址创建一个新的对象。
对于可变对象，恰恰相反，它不会改变对象引用，而会改变对象本身，会直接在原来地址上修改对象。
可变对象应用
介绍了Python中可变对象和不可变对象的概念和异同点，也许这只是如同一个概念一样存在脑子里，但是却不知道理解这个到底有什么价值？为什么要去学习这些？
“实践出真知”，在编程语言中这一点同样适用，对于很多概念当我们从书本上看到时它只是一段解释、一段文字，却不知道该怎么去用它。
对于Python可变对象，我来介绍一个在赋值方面的应用。
定义变量、赋值是在开发过程中非常常用的操作，我们习以为常的去定义一个变量，然后把它赋值给其他不同的变量，然后传入不同的函数实现不同的功能，在潜意识中，会把“赋值”理解为“复制粘贴”，会把赋值理解为在原来变量的基础上拷贝一份传递给另外一个变量，但是，当我们输出是却发现并不像我们想象的那样，
def print_dict(param, statement): print("Current variable is : {}".format(statement)) for k, v in param.items(): print("Key: {}, Value: {}".format(k, v)) def main(): info = { "age": 28, "country": "China" } copy_info = info print_dict(info, "info") info["age"] = 27 print_dict(copy_info, "copy_info") # 输出 Current variable is : info Key: age, Value: 28 Key: country, Value: China Current variable is : copy_info Key: age, Value: 27 Key: country, Value: China
在上述例子中，首先定义了一个变量info，然后把它赋值给copy_info，当我们改变info中的值之后发现copy_info中的值也随之改变了。
这是一个简单却又非常常见的例子，在开发过程中会经常遇到这样的场景：对同样的变量进行不同的操作，如果某个调用中对变量进行了“写”操作，那么在不知不觉中这个赋值的变量已经不是之前的变量了，如果疏忽了这一点，必然会造成输出结果错误。
这样我们就要针对这个问题想一下解决方法，好在Python提供了内置模块copy，能够解决可变对象的上述问题，下面就来介绍一下copy这个模块。
copy
前面介绍了可变对象与不可对象的区别：不可变对象在赋值或者修改之后会重新申请地址，而不是在原来地址上修改对象。根据这一点，Python提供了内置copy模块，能够把变量进行拷贝到一个新的地址。
copy模块中包括两种拷贝方式：
- 浅拷贝
- 深拷贝
下面分别来介绍一下这两种拷贝方式。
浅拷贝
对于浅拷贝要根据要拷贝的对象而区分对待，如果它拷贝的是一个不可边对象，那么和赋值操作的作用是相同的，下面着重的介绍一下它在拷贝不可边对象时的特点。
浅拷贝之所以称为“浅”是因为它只拷贝父对象，不会拷贝对象的内部的子对象。换句话说，如果外层是一个可变对象，内部在包含一个可变对象时，使用浅拷贝它只会拷贝最外层对象，举个例子，
>>> from copy import copy >>> a = [1, 2, 3, [4, 5, 6]] >>> b = copy(a) >>> id(a) 1955044381576 >>> a[0] = 0 >>> a [0, 2, 3, [4, 5, 6]] >>> b [1, 2, 3, [4, 5, 6]] >>> a[3][1] = 7 >>> a [0, 2, 3, [4, 7, 6]] >>> b [1, 2, 3, [4, 7, 6]]
在上面示例中，定义了一个变量a，它外层是一个list(可变对象)，内层又包含了一个可变对象(list)，当我们使用浅拷贝(copy.copy)后，改变外层对象的值，赋值变量不会再跟随着改变，但是我们改变内部子对象时，赋值的变量就会跟随着改变。
深拷贝
深拷贝和浅拷贝相对，它不仅拷贝父对象，也拷贝子对象，同样使用上面的例子来验证一下深拷贝的作用。
>>> from copy import deepcopy >>> a = [1, 2, 3, [4, 5, 6]] >>> b = deepcopy(a) >>> a[3][1] = 7 >>> a [1, 2, 3, [4, 7, 6]] >>> b [1, 2, 3, [4, 5, 6]]
现在看一下，即便是修改子对象，赋值变量的值也不会跟随我们的改变。
结语
之所以在这里介绍Python可变对象，就是因为并不是所有的Python内置对象都像我们潜意识认知的那样，“赋值后就如同拷贝了一份数据，原始变量与赋值变量之间不会互相影响”。但是，事实上Python可变对象并不像我们想象的那样，原始变量与赋值变量之间会有互相作用，如果疏忽这一点会发生一些我们无法理解的错误，这类语言特性造成错误在调试过程中也很难定位，当我们了解这些容易被忽略的特性之后则不然，就能够有意识的避免Python特性带来的异常。
