0.说明
先看看浅拷贝的概念：
-
浅拷贝：对一个对象进行浅拷贝其实是新创建了一个类型跟原对象一样，其内容还是原来对象元素的引用，换句话说，这个拷贝的对象本身是新的，但是它的内容不是
序列类型对象的浅拷贝是默认类型拷贝，有以下几种实现方式：
-
完全切片操作：下面操作会有
-
利用工厂函数：比如list()、dict()等
-
使用copy模块的copy()函数
其实如果是真正理解了Python对象或者说理解了可变对象和不可变对象，再根据上面的理论知识，浅拷贝和深拷贝基本上算是比较好的掌握了。所以这里不按照书上（指的是《Python核心编程》）的思路来进行总结，当然书上的例子作为入门也是非常不错的。下面给出三个例子，如果都可以理解，那么对Python浅拷贝和深拷贝的掌握到这个程度也就可以了。
1.第一个例子：列表中的元素都是原子类型，即不可变对象
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>> person = ['age', 20]
>>> xpleaf = person[:] #浅拷贝
>>> cl = list(person) #浅拷贝
>>> [id(x) for x in person, xpleaf, cl] #虽然是浅拷贝，但是其实也是生成了新的对象
[140205544875144, 140205544893688, 140205544996232]
>>> [id(x) for x in person]
[140205545021232, 32419728]
>>> [id(x) for x in xpleaf]
[140205545021232, 32419728]
>>> [id(x) for x in cl]
[140205545021232, 32419728]
#但是可以看到列表中的元素的还是原来对象元素的引用 |
上面做了浅拷贝的操作，然后下面修改两个浅拷贝的值：
|
1
2
3
4
5
6
7
8
9
10
|
>>> xpleaf[1] = 22
>>> cl[1] = 21
>>> person, xpleaf, cl(['age', 20], ['age', 22], ['age', 21])
>>> [id(x) for x in person]
[140205545021232, 32419728]
>>> [id(x) for x in xpleaf]
[140205545021232, 32419680]
>>> [id(x) for x in cl]
[140205545021232, 32419704]
|
修改了两个浅拷贝的值，然后发现内容并没有相互影响，而且后来的id值也发生改变了，怎么会这样？不要忘了，列表中的元素都是不可变对象，修改不可变对象的值，其实就相当于是新生成了一个该对象，然后让列表元素重新指向新生成的不可变对象，在这里是数字对象。
理解这个例子本身并不难，但需要对Python对象和序列类型本身有一定的理解。
2. 第二个例子：列表中包含容器类型变量，即可变对象
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
>>> person = ['name', ['age', 20]]
>>> xpleaf = person[:]
>>> cl = list(person)
>>> person, xpleaf, cl(['name', ['age', 20]], ['name', ['age', 20]], ['name', ['age', 20]])
>>> [id(x) for x in person, xpleaf, cl]
[140205544995944, 140205544893688, 140205544875144]
# 查看大列表的元素id值>>> [id(x) for x in person, xpleaf, cl]
[140205544996160, 140205544875144, 140205544996520]
>>> [id(x) for x in person]
[140205546176112, 140205544995944]
>>> [id(x) for x in xpleaf]
[140205546176112, 140205544995944]
>>> [id(x) for x in cl]
[140205546176112, 140205544995944]
# 查看小列表的元素id值>>> [id(x) for x in person[1]]
[140205545021232, 32419680]
>>> [id(x) for x in xpleaf[1]]
[140205545021232, 32419680]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419680]
|
三个列表的第一个元素的id值都是一样的，这是引用传递，没有什么问题，跟第一个例子类似，因此修改这个值不会有什么问题。但注意看第二个元素，它是一个列表，可以肯定的是，三个列表中的两个元素的id也肯定是相同的，也是引用传递的道理，但现在关键是看第二个元素，也就是这个列表本身，三个大列表（指的是person这个列表）中的这三个小列表的id值都是一样的，于是，浅拷贝对于对象值的影响就会体现出来了，我们尝试去修改其中一个小列表中的值：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
>>> xpleaf[1][1] = 22
>>> person, xpleaf, cl(['name', ['age', 22]], ['name', ['age', 22]], ['name', ['age', 22]])
>>> [id(x) for x in person, xpleaf, cl]
[140205544995944, 140205544893688, 140205544875144]
# 查看大列表的元素id值>>> [id(x) for x in person]
[140205546176112, 140205544995944]
>>> [id(x) for x in xpleaf]
[140205546176112, 140205544995944]
>>> [id(x) for x in cl]
[140205546176112, 140205544995944]
# 查看小列表的元素id值>>> [id(x) for x in person[1]]
[140205545021232, 32419680]
>>> [id(x) for x in xpleaf[1]]
[140205545021232, 32419680]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419680]
|
可以看到问题就出来了，即对一个小列表进行修改，会影响到其它的小列表。我们先抛开所谓的浅拷贝，去思考这个问题本身：有可能不会影响其它小列表吗？肯定没有可能的，因为三个小列表的id都一样，三个小列表里的元素的id也一样，即其实这三个小列表是完全指向同一个对象的，因此，无论修改哪一个，肯定都会影响其它小列表的。
这就是所谓浅拷贝出现的问题。
3.第三个例子：使用深拷贝来解决第二个例子出现的问题
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
>>> person = ['name', ['age', 20]]
>>> xpleaf = person[:]
>>> from copy import deepcopy as dcp
>>> cl = dcp(person)
>>> person, xpleaf, cl(['name', ['age', 20]], ['name', ['age', 20]], ['name', ['age', 20]])
>>> [id(x) for x in person, xpleaf, cl]
[140205544995944, 140205544893688, 140205544875144]
# 查看大列表的元素id值>>> [id(x) for x in person]
[140205546176112, 140205544996520]
>>> [id(x) for x in xpleaf]
[140205546176112, 140205544996520]
>>> [id(x) for x in cl]
[140205546176112, 140205544571320]
# 查看小列表的元素id值>>> [id(x) for x in person[1]]
[140205545021232, 32419728]
>>> [id(x) for x in xpleaf[1]]
[140205545021232, 32419728]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419728]
|
可以看到虽然是进行了深拷贝，但发现跟前面的其实并没有什么不同，下面我们再来修改其中一个小列表：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
>>> xpleaf[1][1] = 22
>>> person, xpleaf, cl(['name', ['age', 22]], ['name', ['age', 22]], ['name', ['age', 20]])
# 查看大列表的元素id值>>> [id(x) for x in person]
[140205546176112, 140205544996520]
>>> [id(x) for x in xpleaf]
[140205546176112, 140205544996520]
>>> [id(x) for x in cl]
[140205546176112, 140205544571320]
# 查看小列表的元素id值>>> [id(x) for x in person[1]]
[140205545021232, 32419680]
>>> [id(x) for x in xpleaf[1]]
[140205545021232, 32419680]
>>> [id(x) for x in cl[1]]
[140205545021232, 32419728]
|
此时可以看到，cl的小列表的第二个元素的id跟原来是一样的，但是xpleaf和person的小列表元素的id发生了改变，同时值也是我们修改的那样。那是因为xpleaf是person的浅拷贝，但是cl是person的深拷贝。
这就是所谓的深拷贝。
4.第四个例子：检验
其实只要理解了上面三个例子（这意味着对Python对象本身和序列类型本身也有比较深刻的理解），所以的浅拷贝和深拷贝也不是什么问题了。
至于是否明白，可以参考下面这个例子：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> person = ['name', ('hobby', [1, 2])]
>>> xpleaf = person[:]
>>> from copy import deepcopy as dcp
>>> cl = dcp(person)
>>> >>> xpleaf[0] = 'xpleaf'
>>> cl[0] = 'cl'
>>> person, xpleaf, cl(['name', ('hobby', [1, 2])], ['xpleaf', ('hobby', [1, 2])], ['cl', ('hobby', [1, 2])])
>>> >>> xpleaf[1][1][0] = 'clyyh'
>>> person, xpleaf, cl(['name', ('hobby', ['clyyh', 2])], ['xpleaf', ('hobby', ['clyyh', 2])], ['cl', ('hobby', [1, 2])])
|
如果对这个例子的输出觉得完全没有问题的，那么也就OK了！
当然，肯定还有遗漏的地方，还望指出。