13.python中拷贝

在Python中，直接赋值、（需要导入copy库）浅拷贝（copy.copy）和深拷贝（copy.deepcopy）是处理对象复制的三种不同方式，它们的核心区别在于内存引用层级和对象独立性。以下是详细对比：

---

一、直接赋值 (=)

a = [1, 2, [3, 4]]
b = a  # 直接赋值

特点：

1. 完全共享内存：b 和 a 指向同一个内存对象
2. 完全联动：任何修改（包括嵌套对象）都会互相影响
3. 内存地址相同：id(a) == id(b)

示例：

a[0] = 100
print(b)  # [100, 2, [3,4]] → b随a改变

a[2].append(5)
print(b[2])  # [3,4,5] → 嵌套对象也被修改

---

二、浅拷贝 (copy.copy)

import copy
a = [1, 2, [3, 4]]
b = copy.copy(a)  # 浅拷贝

特点：

1. 创建新容器对象：外层对象是新的（id(a) != id(b)）
2. 共享子对象引用：嵌套的可变对象仍指向原内存
3. 适用场景：单层结构（无嵌套可变对象）

示例：

a[0] = 100
print(b)  # [1, 2, [3,4]] → 外层修改不影响b

a[2].append(5)
print(b[2])  # [3,4,5] → 嵌套对象仍被修改！

---

三、深拷贝 (copy.deepcopy)

import copy
a = [1, 2, [3, 4]]
b = copy.deepcopy(a)  # 深拷贝

特点：

1. 完全独立对象：递归复制所有层级对象
2. 内存完全隔离：任何修改互不影响
3. 资源消耗较大：适用于复杂嵌套结构

示例：

a[0] = 100
print(b)  # [1, 2, [3,4]] → 外层无影响

a[2].append(5)
print(b[2])  # [3,4] → 嵌套对象也无影响

---

四、对比总结表格

操作	内存独立性	嵌套对象处理	性能消耗	典型使用场景
直接赋值 (=)	完全不独立	共享所有层级引用	无	需要完全联动的对象
浅拷贝	外层独立	共享嵌套对象引用	低	单层结构（如普通列表）
深拷贝	完全独立	递归创建所有新对象	高	多层嵌套结构（如树形数据）

---

五、特殊注意事项

1. 不可变对象优化：

   # 对于不可变对象（如元组），浅拷贝可能不会创建新对象
   a = (1, 2, 3)
   b = copy.copy(a)  # id(a) == id(b)
   

2. 循环引用处理：

   a = [1,2]
   a.append(a)  # 创建循环引用
   b = copy.deepcopy(a)  # 能正确处理循环引用
   

3. numpy与pandas数据类型的复制：

• numpy数组：arr.copy(),创建完全独立的副本，也就是deepcopy
• pandas二维数据表格：'df.copy(deep = True)'默认是True，也就是默认为深拷贝。

---

掌握这些区别可以避免以下常见错误：

• 误用浅拷贝导致嵌套数据意外修改
• 对大型数据结构的深拷贝造成内存浪费
• 在多线程环境中共享可变对象导致数据竞争