文章目录
近期杂事太多，博客一直没更新，9月最后一天了，总得写点吧
今天记一下以前碰到过，最近又碰到的问题：python的深复制和浅复制
神奇的python中，copy竟然还有两种，一深一浅(emm)，来看看它们有什么区别。
python值管理方式
这本质原因是python采用的是基于值的管理方式，
而C语言中，系统会为每个变量分配内存空间，当改变变量的值时，改变的是内存空间中的值，变量的地址是不改变的。
基于值的管理方式是什么意思呢？ 来看一个例子：
a = [1,2]
b = a
print ('a: ', a, 'id(a): ', id(a))
print ('b: ', b, 'id(a): ', id(b))
输出：
('a: ', [1, 2], 'id(a): ', 4496519824)
('b: ', [1, 2], 'id(a): ', 4496519824)
可以发现a和b的内存地址相同，也就是说，a和b是完全相同的，b只是a的一个引用(也就是一个别名)
例如，帝都=北京，帝都就指的是北京这座城市，是完全相同的物理存在。这就是python的基于值的管理。
当我们采用“=”对参数进行赋值的时候，其实就是一个引用，若对引用进行了修改，原始参数也将被改变，这是我们在开发过程中很容易忽略的，也会导致我们的数据被意外修改，导致奇怪的bug。
请看例子：
a = [1,2]
b = a
b.append(3)
print ('a: ', a, 'id(a): ', id(a))
print ('b: ', b, 'id(a): ', id(b))
输出:
('a: ', [1, 2, 3], 'id(a): ', 4335018640)
('b: ', [1, 2, 3], 'id(a): ', 4335018640)
可以看到，对b进行了增加一个元素，同时地，a也被修改了。
通过以上两个小例子可以了解python值的管理方式，以及知道"="赋值的本质。
那么当我们想复制出一个完全独立于原始变量的变量，应该怎么做呢？
这就需要浅复制(shallow copy) 和 深复制(deep copy)。
深复制与浅复制的使用及区别
在模块copy中有deepcopy方法用于深复制，copy方法用于浅复制。
深复制和浅复制到区别，在于复制的对象中是否有可变类型，aha？，可变类型是什么？
简单复习一下，python中
可变类型有：列表，字典
不可变类型有：数字，字符串，元组
为了循序渐进，这里分两个例子讲解
例子1:
a = [1, [2, 3]]
a_equal = a
a_shallowcopy = copy.copy(a)
a_deepcopy = copy.deepcopy(a)
a[0] = 4 # 改变a中的第一个元素，即改变a中的数字
print'a: ', a, 'id(a): ', id(a)
print'a_equal: ', a_equal, 'id(a_equal): ', id(a_equal)
print'a_shallowcopy: ', a_shallowcopy, 'id(a_shallowcopy): ', id(a_shallowcopy)
print'a_deepcopy: ', a_deepcopy, 'id(a_deepcopy): ', id(a_deepcopy)
输出：
a: [4, [2, 3]] id(a): 4578314360
a_equal: [4, [2, 3]] id(a_equal): 4578314360
a_shallowcopy: [1, [2, 3]] id(a_shallowcopy): 4562436248
a_deepcopy: [1, [2, 3]] id(a_deepcopy): 4562362096
可以发现：
=赋值： 对于修改，受到影响，地址相同
浅复制：对于修改，不受影响，地址不相同
深复制：对于修改，不受影响，地址不相同
这么一看，深复制和浅复制完全一样啊，哪里有区别？
还记得上面说的可变类型吗？ 刚一看刚刚改变list a当中的第一个元素，是一个数字吧。
数字是不可变类型，所以我们在修改不可变类型时，深复制和浅复制没有区别。
那么当我们改变a当中第二个元素，即list呢，会怎么样，请看例子2:
a = [1, [2, 3]]
a_equal = a
a_shallowcopy = copy.copy(a)
a_deepcopy = copy.deepcopy(a)
a[0] = 4 # 改变a中的第一个元素，即改变a中的数字
a[1][1] = 5 # 改变a当中第二个元素中的元素，即 改变a当中的list
print'a: ', a, 'id(a): ', id(a)
print'a_equal: ', a_equal, 'id(a_equal): ', id(a_equal)
print'a_shallowcopy: ', a_shallowcopy, 'id(a_shallowcopy): ', id(a_shallowcopy)
print'a_deepcopy: ', a_deepcopy, 'id(a_deepcopy): ', id(a_deepcopy)
输出：
a: [4, [2, 5]] id(a): 4454672504
a_equal: [4, [2, 5]] id(a_equal): 4454672504
a_shallowcopy: [1, [2, 5]] id(a_shallowcopy): 4438794392
a_deepcopy: [1, [2, 3]] id(a_deepcopy): 4438720240
可以发现：
=赋值： 对于修改，受到影响，地址相同
浅复制：对于不变类型的修改，不受影响；对于可变类型的修改，受影响，地址不相同
深复制：对于不变类型的修改，不受影响；对于可变类型的修改，不受影响，地址不相同
为了不必要的麻烦，我们想要一个完全独立的变量，要一个与原始变量解耦的变量，那请使用深复制吧。
还可以从另外一个角度理解深复制和浅复制的区别，那么就是
浅复制仅复制父对象，不会复制对象内部的子对象(如例子2当中的a的第二个元素[2,3])
深复制不仅复制父对象，而且还复制内部的子对象。
什么是子对象呢？ 那就是可变类型，所以还是回到了开头提到的，深复制和浅复制的区别，就要看变量中是否含有可变对象，哈哈。
（转载请注明出处：https://blog.csdn.net/u011995719/article/details/82911392 by TensorSense）