进来了解一下python的深浅拷贝
浅拷贝：
-
浅拷贝的定义：
浅拷贝是一种复制操作，它创建一个新对象，并将原对象的内容复制到新对象中。对于原对象内部的子对象，浅拷贝不会递归地复制它们，而是直接引用这些子对象。因此，浅拷贝后的对象和原对象共享内部的子对象。 -
浅拷贝的实现方式
（1）使用 copy 模块的 copy() 函数
import copy
original_list = [1, 2, [3, 4]]
shallow_copied_list = copy.copy(original_list)
（2）使用列表、字典等数据结构的工厂函数
original_list = [1, 2, [3, 4]]
shallow_copied_list = list(original_list) # 列表的工厂函数
（3）使用切片操作（适用于列表）
original_list = [1, 2, [3, 4]]
shallow_copied_list = original_list[:] # 切片操作
（4）使用字典的 copy() 方法
original_dict = {'a': 1, 'b': [2, 3]}
shallow_copied_dict = original_dict.copy() # 字典的 copy() 方法
3.浅拷贝的特点
新对象，旧引用：浅拷贝会创建一个新对象，但对象内部的子对象仍然是原对象中子对象的引用。
共享子对象：如果原对象包含可变子对象（如列表、字典等），修改这些子对象会影响浅拷贝后的对象。
性能较高：由于浅拷贝不会递归复制子对象，因此它的性能比深拷贝更高。
- 浅拷贝的示例
示例 1：修改浅拷贝后的对象
import copy
original_list = [1, 2, [3, 4]]
shallow_copied_list = copy.copy(original_list)
修改浅拷贝后的对象
shallow_copied_list[0] = 100
shallow_copied_list[2][0] = 300
print("Original List:", original_list)
print("Shallow Copied List:", shallow_copied_list)
输出
Original List: [1, 2, [300, 4]]
Shallow Copied List: [100, 2, [300, 4]]
解释：
修改 shallow_copied_list[0] 不会影响 original_list，因为这是对新对象本身的修改。
修改 shallow_copied_list[2][0] 会影响 original_list，因为内部的子列表是共享的。
示例 2：使用切片操作实现浅拷贝
original_list = [1, 2, [3, 4]]
shallow_copied_list = original_list[:]
修改浅拷贝后的对象
shallow_copied_list[0] = 100
shallow_copied_list[2][0] = 300
print("Original List:", original_list)
print("Shallow Copied List:", shallow_copied_list)
输出
Original List: [1, 2, [300, 4]]
Shallow Copied List: [100, 2, [300, 4]]
示例 3：字典的浅拷贝
original_dict = {'a': 1, 'b': [2, 3]}
shallow_copied_dict = original_dict.copy()
修改浅拷贝后的字典
shallow_copied_dict['a'] = 100
shallow_copied_dict['b'][0] = 200
print("Original Dict:", original_dict)
print("Shallow Copied Dict:", shallow_copied_dict)
输出
Original Dict: {'a': 1, 'b': [200, 3]}
Shallow Copied Dict: {'a': 100, 'b': [200, 3]}
解释：
修改 shallow_copied_dict['a'] 不会影响 original_dict，因为这是对新对象本身的修改。
修改 shallow_copied_dict['b'][0] 会影响 original_dict，因为内部的列表是共享的。
- 浅拷贝的适用场景
浅拷贝适用于以下场景：
对象内部没有嵌套的可变对象：如果对象内部只包含不可变对象（如整数、字符串、元组等），浅拷贝是安全的。
性能要求较高：浅拷贝的性能比深拷贝更高，因为它不会递归复制子对象。
共享子对象是期望的行为：如果你希望拷贝后的对象和原对象共享某些子对象，浅拷贝是一个合适的选择。
- 浅拷贝的注意事项
共享子对象的风险：如果原对象包含可变子对象，修改这些子对象会影响浅拷贝后的对象。如果不希望共享子对象，应该使用深拷贝。
不可变对象的特殊性：对于不可变对象（如整数、字符串、元组等），浅拷贝和深拷贝的行为是相同的，因为不可变对象不能被修改。
深拷贝：
深拷贝（Deep Copy）是Python中一种递归复制对象的方式，它会创建一个新对象，并递归地复制原对象内部的所有子对象。这意味着深拷贝后的对象与原对象完全独立，修改其中一个不会影响另一个。深拷贝适用于需要完全独立副本的场景，尤其是当对象内部包含嵌套的可变对象时。
-
深拷贝的定义
深拷贝是一种递归复制操作，它创建一个新对象，并递归地复制原对象内部的所有子对象。深拷贝后的对象与原对象完全独立，即使原对象包含嵌套的可变对象（如列表、字典等），修改其中一个对象也不会影响另一个。 -
深拷贝的实现方式
在Python中，可以通过 copy 模块的 deepcopy() 函数实现深拷贝。
使用 copy.deepcopy() 函数
3. 深拷贝的特点
完全独立：深拷贝后的对象与原对象完全独立，修改其中一个不会影响另一个。
递归复制：深拷贝会递归地复制对象内部的所有子对象，包括嵌套的可变对象。
性能较低：由于深拷贝需要递归复制所有子对象，因此它的性能比浅拷贝低，尤其是在处理大型或复杂的嵌套结构时。
- 深拷贝的示例
通过以下示例，可以更好地理解深拷贝的行为。
示例 1：修改深拷贝后的对象
输出：
Original List: [1, 2, [3, 4]]
Deep Copied List: [100, 2, [300, 4]]
解释：
修改 deep_copied_list[0] 不会影响 original_list，因为这是对新对象本身的修改。
修改 deep_copied_list[2][0] 也不会影响 original_list，因为深拷贝递归复制了内部的子列表，两个列表是完全独立的。
示例 2：嵌套字典的深拷贝
输出：
Original Dict: {'name': 'Alice', 'details': {'age': 25, 'hobbies': ['reading', 'traveling']}}
Deep Copied Dict: {'name': 'Alice', 'details': {'age': 30, 'hobbies': ['reading', 'traveling', 'cooking']}}
解释：
修改 deep_copied_dict 中的嵌套字典和列表不会影响 original_dict，因为深拷贝递归复制了所有子对象。
示例 3：自定义对象的深拷贝
输出
解释：
修改 person2 的 name 和 friends 不会影响 person1，因为深拷贝递归复制了所有属性。
- 深拷贝的适用场景
深拷贝适用于以下场景：
需要完全独立的副本：当对象内部包含嵌套的可变对象时，深拷贝可以确保副本与原对象完全独立。
复杂的数据结构：如嵌套的列表、字典、自定义对象等。
避免副作用：在函数中传递复杂对象时，深拷贝可以避免意外修改原对象。
- 深拷贝的注意事项
性能开销：深拷贝需要递归复制所有子对象，因此在处理大型或复杂的嵌套结构时，性能开销较大。
循环引用问题：如果对象之间存在循环引用（如对象A引用对象B，对象B又引用对象A），深拷贝可能会导致栈溢出或无限递归。Python的 copy.deepcopy() 函数已经处理了循环引用问题，但在自定义深拷贝逻辑时需要注意。
- 深拷贝的实现原理
Python的 copy.deepcopy() 函数通过递归遍历对象的所有属性来实现深拷贝。它会维护一个备忘录（memo）来记录已经复制的对象，从而避免循环引用导致的无限递归。
深浅拷贝的实际应用：
深浅拷贝在实际编程中有广泛的应用，尤其是在处理复杂数据结构或需要确保数据独立性时。以下是一些常见的应用场景和示例，帮助你更好地理解它们的实际用途。
- 数据处理与修改
在处理数据时，尤其是嵌套的数据结构（如列表嵌套列表、字典嵌套字典等），你可能需要在不影响原始数据的情况下对数据进行修改或分析。这时，深拷贝非常有用。
import copy
原始数据
original_data = {
'name': 'Alice',
'scores': [90, 85, 88],
'details': {'age': 25, 'city': 'New York'}
}
深拷贝数据
copied_data = copy.deepcopy(original_data)
修改拷贝后的数据
copied_data['scores'][0] = 95
copied_data['details']['city'] = 'San Francisco'
原始数据不受影响
print("Original Data:", original_data)
print("Copied Data:", copied_data)
应用场景：
数据备份与恢复。
数据预处理（如修改数据后用于机器学习模型训练，而不影响原始数据）。
- 配置管理
在程序中，配置通常以字典或嵌套字典的形式存储。如果你需要基于某个默认配置生成多个独立的配置，深拷贝可以确保每个配置之间互不干扰。
import copy
默认配置
default_config = {
'debug': False,
'database': {
'host': 'localhost',
'port': 3306
}
}
创建多个独立配置
config_1 = copy.deepcopy(default_config)
config_2 = copy.deepcopy(default_config)
修改配置
config_1['database']['host'] = '192.168.1.1'
config_2['debug'] = True
print("Config 1:", config_1)
print("Config 2:", config_2)
应用场景：
多环境配置（开发、测试、生产）。
动态生成多个独立的配置。
- 对象复制与状态管理
在面向对象编程中，对象可能包含嵌套的对象或复杂的状态。如果你需要复制一个对象并确保新对象的状态独立于原对象，深拷贝是必要的。
import copy
class Player:
def init(self, name, level):
self.name = name
self.level = level
self.inventory = []
def add_item(self, item):
self.inventory.append(item)
创建玩家对象
player1 = Player("Alice", 10)
player1.add_item("Sword")
player1.add_item("Shield")
深拷贝玩家对象
player2 = copy.deepcopy(player1)
修改拷贝后的对象
player2.name = "Bob"
player2.add_item("Bow")
查看两个对象的状态
print(f"Player 1: {player1.name}, {player1.inventory}")
print(f"Player 2: {player2.name}, {player2.inventory}")
应用场景：
游戏开发中复制角色或物品。
状态快照与恢复（如撤销操作）。
- 避免副作用
def process_data(data):浅拷贝数据以避免修改原始数据
data_copy = data.copy()
data_copy.append("Processed")
return data_copy
original_data = [1, 2, 3]
result = process_data(original_data)
print("Original Data:", original_data)
print("Result:", result)
应用场景：
函数式编程中避免副作用。
数据处理管道中确保数据独立性。
深拷贝：适用于需要完全独立副本的场景，如数据处理、配置管理、对象复制等。
浅拷贝：适用于性能敏感的场景，或者当对象内部没有嵌套结构时。
建议 选择使用深拷贝还是浅拷贝取决于具体的需求和数据结构。如果你不确定，深拷贝通常是更安全的选择，尽管它可能会带来一些性能开销。
最后关注灵活就业新动态，了解更多行业资讯、前沿技术请关注公众号：贤才宝（贤才宝https://www.51xcbw.com）
有没有软件行业离职或者失业状态的，公司招标需要可以给个人上基本社保，费用由公司承担，有需要的联系我，真实需求——拜托非诚勿扰，大家的时间都宝贵。
徐女士13331180327
浙公网安备 33010602011771号