python深拷貝與淺拷貝

以前關於 Python 的做用域、賦值、參數傳遞，咱們接連談了幾篇文章：

• 全菊變量和菊部變量
• 關於函數參數傳遞，80%人都錯了
• 可變對象與不可變對象

今天咱們依然要就相關話題繼續下去。

首先是上次最後的思考題：

m = [1, 2, [3]]
n = m[:]
n[1] = 4
n[2][0] = 5
print(m)

m 的結果是什麼？

正確答案是 [1, 2, [5]] ，此次比上次好點，有 35% 的正確率。

當時我留了個提示，說和淺拷貝、深拷貝有關，如今咱們就來具體說一說。

假設有這樣一個 list 變量 m，其中有 4 個元素（別被嵌套迷惑了）：

m = [1, 2, [3, 4], [5, [6, 7]]]

爲了更直觀的表示，我來畫個圖：

如今咱們想要再來「複製」一個一樣的變量。也許第一個閃過腦中的念頭就是：

n = m

但看了前面的文章後你應該知道，這樣的 賦值只至關於增長了一個標籤，並無新的對象產生 ：

用 id 驗證下就知道， m 和 n 仍然是同一個東西 。那麼他們內部的元素天然也是同樣的，對其中一個進行修改，另外一個也會跟着變：

m = [1, 2, [3, 4], [5, [6, 7]]]
print('m:', id(m))
print([id(i) for i in m])
n = m
print('n:', id(n))
print([id(i) for i in n])
print(n is m)
print(n[0] is m[0])
print(n[2] is m[2])
n[0] = -1
print(m)
n[2][1] = -1
print(m)

輸出

m: 4564554888
[4556507504, 4556507536, 4564554760, 4564555016]
n: 4564554888
[4556507504, 4556507536, 4564554760, 4564555016]
True
True
True
[-1, 2, [3, 4], [5, [6, 7]]]
[-1, 2, [3, -1], [5, [6, 7]]]

所以有人將此操做稱爲「 舊瓶裝舊酒 」，只是多貼了一層標籤，這不能達到咱們的目的。要獲得一個對象的「拷貝」，咱們須要用到 copy 方法：

from copy import copy
m = [1, 2, [3, 4], [5, [6, 7]]]
print('m:', id(m))
print([id(i) for i in m])
n = copy(m)
print('n:', id(n))
print([id(i) for i in n])
print(n is m)
print(n[0] is m[0])
print(n[2] is m[2])
n[0] = -1
print(m)
n[2][1] = -1
print(m)

輸出

m: 4340253832
[4333009264, 4333009296, 4340253704, 4340253960]
n: 4340268104
[4333009264, 4333009296, 4340253704, 4340253960]
False
True
True
[1, 2, [3, 4], [5, [6, 7]]]
[1, 2, [3, -1], [5, [6, 7]]]

從結果中能夠看出， n 和 m 已不是同一個對象 ，對於某個元素的從新賦值不會影響原對象。可是，它們 內部的元素全都是同樣的 ，因此對一個可變類型元素的修改，則仍然會反應在原對象中。

（其實這裏一、2也是指向同一個對象，但做爲不可變對象來講，它們互不影響，直觀上的感覺就至關因而複製了一份，故簡化如圖上所示）

這種複製方法叫作 淺拷貝 （ shallow copy ），又被人形象地稱做「 新瓶裝舊酒 」，雖然產生了新對象，但裏面的內容仍是來自同一份。

若是要完全地產生一個和原對象徹底獨立的複製品，得使用 深拷貝 （ deep copy ）：

from copy import deepcopy
m = [1, 2, [3, 4], [5, [6, 7]]]
print('m:', id(m))
print([id(i) for i in m])
n = deepcopy(m)
print('n:', id(n))
print([id(i) for i in n])
print(n is m)
print(n[0] is m[0])
print(n[2] is m[2])
n[0] = -1
print(m)
n[2][1] = -1
print(m)

輸出

m: 4389131400
[4381886832, 4381886864, 4389131272, 4389131528]
n: 4389131208
[4381886832, 4381886864, 4389131656, 4389145736]
False
True
False
[1, 2, [3, 4], [5, [6, 7]]]
[1, 2, [3, 4], [5, [6, 7]]]

此時， 對新對象中元素作任何改動都不會影響原對象 。新對象中的子列表，不管有多少層，都是新的對象，有不一樣的地址。

按照前面的比喻，深拷貝就是「 新瓶裝新酒 」。

你可能會注意到一個細節：n 中的前兩個元素的地址仍然和 m 中同樣。這是因爲它們是 不可變對象，不存在被修改的可能，因此拷貝和賦值是同樣的 。

因而，深拷貝也能夠理解爲，不只是對象自身的拷貝，並且對於對象中的每個子元素，也都進行一樣的拷貝操做。這是一種 遞歸 的思想。

不過額外要說提醒一下的是， 深拷貝的實現過程並非徹底的遞歸 ，不然若是對象的某級子元素是它自身的話，這個過程就死循環了。實際上， 若是遇到已經處理過的對象，就會直接使用其引用，而再也不重複處理 。聽上去有點難懂是否是？想一想這個例子大概就會理解了：

from copy import deepcopy
m = [1, 2]
m.append(m)
print(m, id(m), id(m[2]))
n = deepcopy(m)
print(n, id(n), id(n[2]))

輸出

[1, 2, [...]] 4479589576 4479589576
[1, 2, [...]] 4479575048 4479575048

最後，仍是給各位留個思考：

from copy import deepcopy
a = [3, 4]
m = [1, 2, a, [5, a]]
n = deepcopy(m)
n[3][1][0] = -1
print(n)

深拷貝後的 n，修改了其中一個元素值，會是怎樣的效果？

思考一下輸出會是什麼？

而後本身在電腦上或者咱們的在線編輯器 Crossin的編程教室 - 在線Python編輯器 裏輸入代碼運行下看看結果，再想一想爲何。

歡迎留言給出你的解釋。

════

其餘文章及回答：

如何自學Python | 新手引導 | 精選Python問答 | Python單詞表 | 人工智能 | 嘻哈 | 爬蟲 | 我用Python | 高考 | requests | AI平臺

歡迎搜索及關注： Crossin的編程教室