一文带你掌握Python中的深浅拷贝

第一章：一切从“赋值”引发的问题开始

在 Python 的世界里，变量不仅仅是存储数据的标签，更像是指向内存中某个对象的“指针”。很多初学者，甚至是有一定经验的开发者，都曾在深浅拷贝的问题上栽过跟头。

想象一个场景：你有一个列表，里面包含了一些子列表，你想复制一份用来做修改，保留原数据。于是你顺手写了这样一行代码：

original_list = [[1, 2], [3, 4]]
new_list = original_list

# 现在，我想修改 new_list 的第一个子列表
new_list[0][0] = 999

print("Original:", original_list)
print("New:", new_list)

如果你的预期是 Original 保持 [[1, 2], [3, 4]]，而 New 变为 [[999, 2], [3, 4]]，那么很遗憾，现实会给你沉重一击。运行结果是：

Original: [[999, 2], [3, 4]]
New: [[999, 2], [3, 4]]

为什么？

这就是 Python 中最基础但也最容易被忽视的概念：赋值（Assignment）并不是拷贝。

在上面的代码中，new_list = original_list 并没有创建一个新的列表对象，它仅仅是创建了一个新的引用（reference）。这就好比你有两个名字（original_list 和 new_list），但它们都指向同一个实体（内存中的列表对象）。因此，通过任何一个名字去修改这个实体，另一个名字看到的自然也是修改后的样子。

为了彻底解决这个问题，我们需要深入理解 Python 内存模型中的三个层次：赋值、浅拷贝和深拷贝。

第二章：浅拷贝（Shallow Copy）——“只复制第一层”

当我们意识到直接赋值不是复制时，我们通常会转向浅拷贝。在 Python 中，实现浅拷贝的方法有很多：

• 切片操作：new_list = old_list[:]
• 工厂函数：new_list = list(old_list)
• copy 模块：import copy; new_list = copy.copy(old_list)

让我们看看浅拷贝的表现：

import copy

original_list = [[1, 2], [3, 4]]
shallow_copied_list = copy.copy(original_list)

# 修改外层
shallow_copied_list.append([5, 6])

# 修改内层（嵌套对象）
shallow_copied_list[0][0] = 888

print("Original:", original_list)
print("Shallow:", shallow_copied_list)

输出结果：

Original: [[888, 2], [3, 4]]
Shallow: [[888, 2], [3, 4], [5, 6]]

分析：

• 外层修改：shallow_copied_list 增加了一个元素 [5, 6]，original_list 没变。这说明最外层的容器确实是新创建的。
• 内层修改：shallow_copied_list[0][0] 被改为 888，original_list 也跟着变了。这说明内层的子列表并没有被复制。

什么是浅拷贝？

浅拷贝（Shallow Copy）会创建一个新的容器对象，但不会递归地复制容器内的元素。新容器中填充的是原容器中元素的引用。

对于不可变对象（如整数、字符串、元组），引用就引用吧，反正改不了。但如果你的列表里包含了可变对象（如列表、字典、集合），那么这些可变对象的引用被共享了，这就是所谓的“共享子对象”（Shared Sub-objects）。

适用场景：浅拷贝适用于你的数据结构是“扁平”的，或者你明确知道你需要共享子对象（这很少见）。

第三章：深拷贝（Deep Copy）——“斩断所有羁绊”

如果你需要一个完全独立的副本，无论嵌套多少层，修改副本都不影响原件，那么你需要的是深拷贝。

深拷贝使用 copy.deepcopy() 实现：

import copy

original_list = [[1, 2], [3, 4]]
deep_copied_list = copy.deepcopy(original_list)

# 彻底修改副本
deep_copied_list[0][0] = 777
deep_copied_list.append([9, 0])

print("Original:", original_list)
print("Deep:", deep_copied_list)

输出结果：

Original: [[1, 2], [3, 4]]
Deep: [[777, 2], [3, 4], [9, 0]]

什么是深拷贝？

深拷贝会递归地遍历原对象的所有子对象，并创建它们的副本。这意味着新对象和原对象在内存中是完全独立的，没有任何引用重叠。

深拷贝的陷阱与高级用法：

虽然深拷贝很强大，但它也有代价（性能开销大）和陷阱。

递归引用导致死循环：

如果一个对象直接或间接引用了自己，deepcopy 会抛出 RecursionError。

a = [1]
a.append(a) # a 现在是 [1, [...]]
# b = copy.deepcopy(a) # 这会报错

自定义类的拷贝控制：如果你需要控制类的深拷贝行为，可以实现 __deepcopy__ 方法。这在处理数据库连接、文件句柄等不可序列化或不可拷贝的资源时非常有用。

性能考量：对于巨大的数据结构，深拷贝可能非常慢。如果你的嵌套层级很浅，或者全是不可变数据，深拷贝就是杀鸡用牛刀。

第四章：核心原理图解与常见误区

为了彻底理清关系，我们可以通过一张简化的内存示意图来理解：

假设 a = [1, [2, 3]]

赋值 (b = a):

• a -> [ptr1, ptr2]
• b -> [ptr1, ptr2] (指向同一个地址)

浅拷贝 (b = copy.copy(a)):

• a -> [ptr1, ptr2]
• b -> [ptr3, ptr4]
• 其中 ptr1 == ptr3 (指向同一个整数 1，整数不可变所以无所谓)
• 但是 ptr2 == ptr4 (指向同一个列表 [2, 3]) -> 这是问题的根源

深拷贝 (b = copy.deepcopy(a)):

• a -> [ptr1, ptr2]
• b -> [ptr5, ptr6]
• ptr5 指向新的整数 1
• ptr6 指向一个新的列表 [2, 3]，且该新列表内的元素也是新的。

常见误区：字典的copy()方法

很多 Python 开发者会直接用字典自带的 .copy() 方法，认为这就是深拷贝。

错误！ 字典的 .copy() 也是浅拷贝！

d1 = {'a': [1, 2]}
d2 = d1.copy()
d2['a'].append(3)

print(d1) # 输出 {'a': [1, 2, 3]}，d1 被修改了！

正确的做法依然是 copy.deepcopy(d1) 或者使用 d1.copy() 配合字典推导式（如果只有一层的话）。

第五章：总结与最佳实践

搞懂了深浅拷贝，我们其实是在搞懂 Python 的对象引用模型。这是编写健壮、无副作用代码的基石。

最后的建议：

• 默认使用引用：除非你明确需要副本，否则不要随意拷贝。
• 优先考虑浅拷贝：如果数据结构是扁平的，或者你确定不需要处理嵌套可变对象，list[:] 或 copy.copy() 更快。
• 不确定时用深拷贝：对于复杂的嵌套结构，为了数据的安全性，copy.deepcopy() 是最稳妥的选择。
• 警惕函数副作用：在函数中修改传入的可变参数时，一定要想清楚这是不是你想要的行为。如果不想修改原数据，记得在函数内部先拷贝。

以上就是一文带你掌握Python中的深浅拷贝的详细内容，更多关于Python深浅拷贝的资料请关注脚本之家其它相关文章！

最新评论