浅拷贝、深拷贝和普通赋值操作有什么区别？

对于不可变对象，不需要复制，因为数据永远不会改变，所以 Python 使用相同的数据;ID 始终相同。对于可变对象，由于它们可能会更改，因此 [shallow] copy 会创建一个新对象。

深层拷贝与嵌套结构有关。如果您有列表列表，则也要深度复制嵌套列表，因此它是递归副本。只需复制，您就有了一个新的外部列表，但内部列表是引用。copies

分配不会复制。它只是设置对旧数据的引用。因此，您需要复制才能创建具有相同内容的新列表。

正常的赋值操作只是将新变量指向现有对象。这些文档解释了浅拷贝和深拷贝之间的区别：

浅层复制和深度复制之间的区别仅与以下方面有关 复合对象（包含其他对象的对象，如列表或 类实例）：

• 浅拷贝构造一个新的复合对象，然后（在可能的情况下）插入对原始对象的引用。

• 深层拷贝构造一个新的复合对象，然后以递归方式将 源语言。

下面是一个小演示：

import copy

a = [1, 2, 3]
b = [4, 5, 6]
c = [a, b]

使用正常的赋值操作进行复制：

d = c

print id(c) == id(d)          # True - d is the same object as c
print id(c[0]) == id(d[0])    # True - d[0] is the same object as c[0]

使用浅拷贝：

d = copy.copy(c)

print id(c) == id(d)          # False - d is now a new object
print id(c[0]) == id(d[0])    # True - d[0] is the same object as c[0]

使用深拷贝：

d = copy.deepcopy(c)

print id(c) == id(d)          # False - d is now a new object
print id(c[0]) == id(d[0])    # False - d[0] is now a new object

A、B、C、D、A1、B1、C1 和 D1 是对内存中对象的引用，这些对象由其 ID 唯一标识。

赋值操作获取对内存中对象的引用，并将该引用分配给新名称。 是一个赋值，用于创建一个包含这四个整数的新列表对象，并将对该对象的引用赋给 。 是对同一对象采用相同引用并将其分配给 的赋值。由于该列表是可变的，因此无论您是否通过 或 访问该列表，该列表发生的任何事情都将可见，因为它们都引用了同一个对象。c=[1,2,3,4]cc1=cc1cc1

c1=copy.copy(c)是一个“浅拷贝”，它创建一个新列表并将对新列表的引用分配给 。 仍然指向原始列表。因此，如果修改 处的列表，则引用的列表不会更改。c1cc1c

复制的概念与整数和字符串等不可变对象无关。由于无法修改这些对象，因此永远不需要在内存中的不同位置拥有相同值的两个副本。因此，整数和字符串，以及复制概念不适用的其他一些对象，只需重新分配即可。这就是为什么您的示例具有 和 结果相同的 ID。ab

c1=copy.deepcopy(c)是“深拷贝”，但在此示例中，它的功能与浅拷贝相同。深拷贝与浅拷贝的不同之处在于，浅拷贝将创建对象本身的新副本，但该对象内部的任何引用本身都不会被复制。在您的示例中，您的列表内部只有整数（它们是不可变的），如前所述，无需复制这些整数。因此，深层副本的“深层”部分不适用。但是，请考虑以下更复杂的列表：

e = [[1, 2],[4, 5, 6],[7, 8, 9]]

这是一个包含其他列表的列表（也可以将其描述为二维数组）。

如果在 上运行“浅拷贝”，将其复制到 ，你会发现列表的 id 发生了变化，但列表的每个副本都包含对相同三个列表的引用 -- 里面有整数的列表。这意味着，如果你要这样做，那么将是 .但也会是.另一方面，如果您随后这样做了，将是 。但仍然会.这是因为外部列表是单独的对象，最初每个对象都包含对三个内部列表的三个引用。如果修改内部列表，则无论是否通过一个副本或另一个副本查看这些更改，都可以看到这些更改。但是，如果如上所述修改其中一个外部列表，则包含对原始三个列表的三个引用，以及对新列表的另外一个引用。并且仍然只包含原始的三个参考文献。ee1e[0].append(3)e[[1, 2, 3],[4, 5, 6],[7, 8, 9]]e1[[1, 2, 3],[4, 5, 6],[7, 8, 9]]e.append([10, 11, 12])e[[1, 2, 3],[4, 5, 6],[7, 8, 9],[10, 11, 12]]e1[[1, 2, 3],[4, 5, 6],[7, 8, 9]]ee1

“深层拷贝”不仅会复制外部列表，还会进入列表内部并复制内部列表，因此两个生成的对象不包含任何相同的引用（就可变对象而言）。如果内部列表内部有更多列表（或其他对象，如字典），它们也会被复制。这是“深层复制”的“深层”部分。

让我们在图形示例中看看以下代码是如何执行的：

import copy

class Foo(object):
    def __init__(self):
        pass


a = [Foo(), Foo()]
shallow = copy.copy(a)
deep = copy.deepcopy(a)

对于不可变对象，创建副本没有多大意义，因为它们不会更改。对于可变对象，赋值、复制和深度复制的行为不同。 让我们通过示例来谈谈它们中的每一个。

分配操作只是将源的引用分配给目标，例如：

>>> i = [1,2,3]
>>> j=i
>>> hex(id(i)), hex(id(j))
>>> ('0x10296f908', '0x10296f908') #Both addresses are identical

现在，从技术上讲，指的是同一个列表。两者具有相同的内存地址。任何更新到一个 它们将反映在另一个中，例如：ijij

>>> i.append(4)
>>> j
>>> [1,2,3,4] #Destination is updated

>>> j.append(5)
>>> i
>>> [1,2,3,4,5] #Source is updated

另一方面，创建变量的新副本。因此，现在对原始变量的更改将不会反映出来 在 copy 变量中，反之亦然。但是，（浅拷贝）不会创建嵌套对象的副本，而只是 复制对嵌套对象的引用，而 （深层复制） 以递归方式复制所有嵌套对象。copydeepcopycopydeepcopy

一些例子来演示和 的行为：copydeepcopy

使用 copy 的简单列表示例：

>>> import copy
>>> i = [1,2,3]
>>> j = copy.copy(i)
>>> hex(id(i)), hex(id(j))
>>> ('0x102b9b7c8', '0x102971cc8') #Both addresses are different

>>> i.append(4)
>>> j
>>> [1,2,3] #Updation of original list didn't affect the copied variable

使用 copy 的嵌套列表示例：

>>> import copy
>>> i = [1,2,3,[4,5]]
>>> j = copy.copy(i)

>>> hex(id(i)), hex(id(j))
>>> ('0x102b9b7c8', '0x102971cc8') #Both addresses are still different

>>> hex(id(i[3])), hex(id(j[3]))
>>> ('0x10296f908', '0x10296f908') #Nested lists have the same address

>>> i[3].append(6)
>>> j
>>> [1,2,3,[4,5,6]] #Updation of original nested list updated the copy as well

使用 deepcopy 的简单列表示例：

>>> import copy
>>> i = [1,2,3]
>>> j = copy.deepcopy(i)
>>> hex(id(i)), hex(id(j))
>>> ('0x102b9b7c8', '0x102971cc8') #Both addresses are different

>>> i.append(4)
>>> j
>>> [1,2,3] #Updation of original list didn't affect the copied variable

使用 deepcopy 的嵌套列表示例：

>>> import copy
>>> i = [1,2,3,[4,5]]
>>> j = copy.deepcopy(i)

>>> hex(id(i)), hex(id(j))
>>> ('0x102b9b7c8', '0x102971cc8') #Both addresses are still different

>>> hex(id(i[3])), hex(id(j[3]))
>>> ('0x10296f908', '0x102b9b7c8') #Nested lists have different addresses

>>> i[3].append(6)
>>> j
>>> [1,2,3,[4,5]] #Updation of original nested list didn't affect the copied variable    

下面的代码演示了赋值、使用 copy 方法的浅拷贝、使用 （slice） [：] 的浅拷贝和深拷贝之间的区别。以下示例通过使差异更加明显来使用嵌套列表。

from copy import deepcopy

########"List assignment (does not create a copy) ############
l1 = [1,2,3, [4,5,6], [7,8,9]]
l1_assigned = l1

print(l1)
print(l1_assigned)

print(id(l1), id(l1_assigned))
print(id(l1[3]), id(l1_assigned[3]))
print(id(l1[3][0]), id(l1_assigned[3][0]))

l1[3][0] = 100
l1.pop(4)
l1.remove(1)


print(l1)
print(l1_assigned)
print("###################################")

########"List copy using copy method (shallow copy)############

l2 = [1,2,3, [4,5,6], [7,8,9]]
l2_copy = l2.copy()

print(l2)
print(l2_copy)

print(id(l2), id(l2_copy))
print(id(l2[3]), id(l2_copy[3]))
print(id(l2[3][0]), id(l2_copy[3][0]))
l2[3][0] = 100
l2.pop(4)
l2.remove(1)


print(l2)
print(l2_copy)

print("###################################")

########"List copy using slice (shallow copy)############

l3 = [1,2,3, [4,5,6], [7,8,9]]
l3_slice = l3[:]

print(l3)
print(l3_slice)

print(id(l3), id(l3_slice))
print(id(l3[3]), id(l3_slice[3]))
print(id(l3[3][0]), id(l3_slice[3][0]))

l3[3][0] = 100
l3.pop(4)
l3.remove(1)


print(l3)
print(l3_slice)

print("###################################")

########"List copy using deepcopy ############

l4 = [1,2,3, [4,5,6], [7,8,9]]
l4_deep = deepcopy(l4)

print(l4)
print(l4_deep)

print(id(l4), id(l4_deep))
print(id(l4[3]), id(l4_deep[3]))
print(id(l4[3][0]), id(l4_deep[3][0]))

l4[3][0] = 100
l4.pop(4)
l4.remove(1)

print(l4)
print(l4_deep)
print("##########################")
print(l4[2], id(l4[2]))
print(l4_deep[3], id(l4_deep[3]))

print(l4[2][0], id(l4[2][0]))
print(l4_deep[3][0], id(l4_deep[3][0]))

要采取的 GIST 是这样的： 当您创建一个浅表，然后使用“正常分配”创建此列表的副本时，使用“正常赋值”处理浅层列表（没有sub_lists，只有单个元素）会产生“副作用”。这种“副作用”是当您更改创建的复制列表的任何元素时，因为它会自动更改原始列表的相同元素。这时就派上用场了，因为在更改复制元素时，它不会更改原始列表元素。copy

另一方面，当你有一个包含列表的列表（sub_lists）并解决它时，也确实有一个“副作用”。例如，如果您创建一个包含嵌套列表的大列表（sub_lists），并且您创建了这个大列表的副本（原始列表）。当您修改复制列表的sub_lists时，会出现“副作用”，这将自动修改大列表的sub_lists。有时（在某些项目中）您希望保持大列表（原始列表）不加修改，而您想要的只是复制其元素（sub_lists）。为此，您的解决方案是使用它来处理这种“副作用”，并在不修改原始内容的情况下制作副本。copydeepcopydeepcopy

和操作的不同行为仅涉及复合对象（即：包含其他对象（如列表）的对象）。copydeep copy

下面是这个简单代码示例中说明的差异：

第一

让我们通过创建一个原始列表和此列表的副本来检查（浅层）的行为：copy

import copy
original_list = [1, 2, 3, 4, 5, ['a', 'b']]
copy_list = copy.copy(original_list)

现在，让我们运行一些测试，看看原始列表与其副本列表相比如何表现：print

original_list 和 copy_list 有不同的地址

print(hex(id(original_list)), hex(id(copy_list))) # 0x1fb3030 0x1fb3328

original_list 和 copy_list 的元素具有相同的地址

print(hex(id(original_list[1])), hex(id(copy_list[1]))) # 0x537ed440 0x537ed440

original_list 和 copy_list sub_elements具有相同的地址

print(hex(id(original_list[5])), hex(id(copy_list[5]))) # 0x1faef08 0x1faef08

修改original_list元素不会修改copy_list元素

original_list.append(6)
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b']]

修改copy_list元素不会修改original_list元素

copy_list.append(7)
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b'], 7]

修改original_list sub_elements自动修改copy_list sub_elements

original_list[5].append('c')
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b', 'c'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b', 'c'], 7]

修改copy_list sub_elements自动修改original_list sub_elements

copy_list[5].append('d')
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b', 'c', 'd'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b', 'c', 'd'], 7]

第二

让我们通过执行与创建原始列表和此列表的副本相同的操作来检查行为：deepcopycopy

import copy
original_list = [1, 2, 3, 4, 5, ['a', 'b']]
copy_list = copy.copy(original_list)

现在，让我们运行一些测试，看看原始列表与其副本列表相比如何表现：print

import copy
original_list = [1, 2, 3, 4, 5, ['a', 'b']]
copy_list = copy.deepcopy(original_list)

original_list 和 copy_list 有不同的地址

print(hex(id(original_list)), hex(id(copy_list))) # 0x1fb3030 0x1fb3328

original_list 和 copy_list 的元素具有相同的地址

print(hex(id(original_list[1])), hex(id(copy_list[1]))) # 0x537ed440 0x537ed440

sub_elements original_list和copy_list具有不同的地址

print(hex(id(original_list[5])), hex(id(copy_list[5]))) # 0x24eef08 0x24f3300

修改original_list元素不会修改copy_list元素

original_list.append(6)
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b']]

修改copy_list元素不会修改original_list元素

copy_list.append(7)
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b'], 7]

修改original_list sub_elements不会修改copy_list sub_elements

original_list[5].append('c')
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b', 'c'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b'], 7]

修改copy_list sub_elements不会修改original_list sub_elements

copy_list[5].append('d')
print("original_list is:", original_list) # original_list is: [1, 2, 3, 4, 5, ['a', 'b', 'c', 'd'], 6]
print("copy_list is:", copy_list) # copy_list is: [1, 2, 3, 4, 5, ['a', 'b', 'd'], 7]

在 python 中，当我们将 list、tuples、dict 等对象分配给通常带有 ' = ' 符号的另一个对象时，python 会通过引用创建副本。也就是说，假设我们有一个这样的列表列表：

list1 = [ [ 'a' , 'b' , 'c' ] , [ 'd' , 'e' , 'f' ]  ]

我们为这个列表分配另一个列表，例如：

list2 = list1

然后，如果我们在 Python 终端中打印 list2，我们将得到这个：

list2 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f ']  ]

list1 和 list2 都指向相同的内存位置，对它们中任何一个的更改都会导致两个对象中可见的更改，即两个对象都指向相同的内存位置。 如果我们像这样更改 list1 ：

list1[0][0] = 'x’
list1.append( [ 'g'] )

那么 list1 和 list2 都将是：

list1 = [ [ 'x', 'b', 'c'] , [ 'd', 'e', ' f '] , [ 'g'] ]
list2 = [ [ 'x', 'b', 'c'] , [ 'd', 'e', ' f '] , [ 'g’ ] ]

现在来到浅拷贝，当通过浅拷贝复制两个对象时，两个父对象的子对象都引用相同的内存位置，但任何复制对象中的任何进一步新更改都将彼此独立。 让我们通过一个小例子来理解这一点。假设我们有这个小代码片段：

import copy

list1 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f ']  ]      # assigning a list
list2 = copy.copy(list1)       # shallow copy is done using copy function of copy module

list1.append ( [ 'g', 'h', 'i'] )   # appending another list to list1

print list1
list1 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f '] , [ 'g', 'h', 'i'] ]
list2 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f '] ]

请注意，List2 不受影响，但是如果我们对子对象进行更改，例如：

list1[0][0] = 'x’

那么 list1 和 list2 都会发生变化：

list1 = [ [ 'x', 'b', 'c'] , [ 'd', 'e', ' f '] , [ 'g', 'h', 'i'] ] 
list2 = [ [ 'x', 'b', 'c'] , [ 'd', 'e', ' f '] ]

现在，深度复制有助于创建彼此完全隔离的对象。如果通过深度复制复制两个对象，则父对象和子对象都将指向不同的内存位置。 例：

import copy

list1 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f ']  ]         # assigning a list
list2 = deepcopy.copy(list1)       # deep copy is done using deepcopy function of copy module

list1.append ( [ 'g', 'h', 'i'] )   # appending another list to list1

print list1
list1 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f '] , [ 'g', 'h', 'i'] ]
list2 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f '] ]

请注意，List2 不受影响，但是如果我们对子对象进行更改，例如：

list1[0][0] = 'x’

那么 List2 也不会受到影响，因为所有子对象和父对象都指向不同的内存位置：

list1 = [ [ 'x', 'b', 'c'] , [ 'd', 'e', ' f '] , [ 'g', 'h', 'i'] ] 
list2 = [ [ 'a', 'b', 'c'] , [ 'd', 'e', ' f  ' ] ]

希望它有所帮助。

>>lst=[1,2,3,4,5]

>>a=lst

>>b=lst[:]

>>> b
[1, 2, 3, 4, 5]

>>> a
[1, 2, 3, 4, 5]

>>> lst is b
False

>>> lst is a
True

>>> id(lst)
46263192

>>> id(a)
46263192 ------>  See here id of a and id of lst is same so its called deep copy and even boolean answer is true

>>> id(b)
46263512 ------>  See here id of b and id of lst is not same so its called shallow copy and even boolean answer is false although output looks same.

不确定上面是否提到过，但是 .copy（） 创建对原始对象的引用非常重要。如果更改复制的对象 - 则更改原始对象。 .deepcopy（） 创建新对象并将原始对象实际复制到新对象。更改新的深度复制对象不会影响原始对象。

是的，.deepcopy（） 以递归方式复制原始对象，而 .copy（） 创建原始对象的第一级数据的引用对象。

因此，.copy（） 和 .deepcopy（） 之间的复制/引用差异很大。

深层拷贝与嵌套结构有关。如果您有列表列表，则 deepcopy 也会复制嵌套列表，因此它是递归副本。只需复制，您就有了一个新的外部列表，但内部列表是引用。分配不会复制。 对于防爆

import copy
spam = [[0, 1, 2, 3], 4, 5]
cheese = copy.copy(spam)
cheese.append(3)
cheese[0].append(3)
print(spam)
print(cheese)

输出

[[0, 1, 2, 3, 3], 4, 5] [[0, 1, 2, 3, 3], 4, 5, 3] 复制方法：将外部列表的内容复制到新列表，但两个列表的内部列表仍然相同，因此如果对任何列表的内部列表进行更改，则会影响两个列表。

但是，如果您使用深层复制，那么它也会为内部列表创建新实例。

import copy
spam = [[0, 1, 2, 3], 4, 5]
cheese = copy.deepcopy(spam)
cheese.append(3)
cheese[0].append(3)
print(spam)
print(cheese)

输出

[0, 1, 2, 3] [[0, 1, 2, 3, 3], 4, 5, 3]

以下代码显示了基础地址在复制、深复制和分配中的影响。这类似于 Sohaib Farooqi 用列表展示的内容，但用的是类。

from copy import deepcopy, copy

class A(object):
    """docstring for A"""
    def __init__(self):
        super().__init__()

class B(object):
    """docstring for B"""
    def __init__(self):
        super().__init__()
        self.myA = A()

a = B()
print("a is", a)
print("a.myA is", a.myA)
print("After copy")
b = copy(a)
print("b is", b)
print("b.myA is", b.myA)
b.myA = A()
print("-- after changing value")
print("a is", a)
print("a.myA is", a.myA)
print("b is", b)
print("b.myA is", b.myA)

print("Resetting")
print("*"*40)
a = B()
print("a is", a)
print("a.myA is", a.myA)
print("After deepcopy")
b = deepcopy(a)
print("b is", b)
print("b.myA is", b.myA)
b.myA = A()
print("-- after changing value")
print("a is", a)
print("a.myA is", a.myA)
print("b is", b)
print("b.myA is", b.myA)

print("Resetting")
print("*"*40)
a = B()
print("a is", a)
print("a.myA is", a.myA)
print("After assignment")
b = a
print("b is", b)
print("b.myA is", b.myA)
b.myA = A()
print("-- after changing value")
print("a is", a)
print("a.myA is", a.myA)
print("b is", b)
print("b.myA is", b.myA)

此代码的输出如下所示：

a is <__main__.B object at 0x7f1d8ff59760>
a.myA is <__main__.A object at 0x7f1d8fe8f970>
After copy
b is <__main__.B object at 0x7f1d8fe43280>
b.myA is <__main__.A object at 0x7f1d8fe8f970>
-- after changing value
a is <__main__.B object at 0x7f1d8ff59760>
a.myA is <__main__.A object at 0x7f1d8fe8f970>
b is <__main__.B object at 0x7f1d8fe43280>
b.myA is <__main__.A object at 0x7f1d8fe85820>
Resetting
****************************************
a is <__main__.B object at 0x7f1d8fe85370>
a.myA is <__main__.A object at 0x7f1d8fe43310>
After deepcopy
b is <__main__.B object at 0x7f1d8fde3040>
b.myA is <__main__.A object at 0x7f1d8fde30d0>
-- after changing value
a is <__main__.B object at 0x7f1d8fe85370>
a.myA is <__main__.A object at 0x7f1d8fe43310>
b is <__main__.B object at 0x7f1d8fde3040>
b.myA is <__main__.A object at 0x7f1d8fe43280>
Resetting
****************************************
a is <__main__.B object at 0x7f1d8fe432b0>
a.myA is <__main__.A object at 0x7f1d8fe85820>
After assignment
b is <__main__.B object at 0x7f1d8fe432b0>
b.myA is <__main__.A object at 0x7f1d8fe85820>
-- after changing value
a is <__main__.B object at 0x7f1d8fe432b0>
a.myA is <__main__.A object at 0x7f1d8fe85370>
b is <__main__.B object at 0x7f1d8fe432b0>
b.myA is <__main__.A object at 0x7f1d8fe85370>