import copy
n1 = [1,2,[1,2,3],4,5]
n3 = copy.copy(n1) #浅拷备
n3[1] = "copy"
print('n1=',n1)
print('n3=',n3)
******************
n1= [1, 2, [1, 2, 3], 4, 5]
n3= [1, 'copy', [1, 2, 3], 4, 5]
******************
import copy
n1 = [1,2,[1,2,3],4,5]
n3 = copy.copy(n1) #浅拷备
n3[2][0] = "copy"
print('n1=',n1)
print('n3=',n3)
******************
n1= [1, 2, ['copy', 2, 3], 4, 5]
n3= [1, 2, ['copy', 2, 3], 4, 5]
******************
_________________________________
*********************************
_________________________________
import copy
n1 = [1,2,[1,2,3],4,5]
n3 = copy.deepcopy(n1) #深拷备
n3[1] = "deepcopy"
print('n1=',n1)
print('n3=',n3)
********************
n1= [1, 2, [1, 2, 3], 4, 5]
n3= [1, 'deepcopy', [1, 2, 3], 4, 5]
**********************
import copy
n1 = [1,2,[1,2,3],4,5]
n3 = copy.deepcopy(n1) #深拷备
n3[2][0] = "deepcopy"
print('n1=',n1)
print('n3=',n3)
*************************
n1= [1, 2, [1, 2, 3], 4, 5]
n3= [1, 2, ['deepcopy', 2, 3], 4, 5]
*************************
从代码可以看出来.浅拷备和深拷备唯一的区别,就在于对可变类型的处理,其中,若执行浅拷备,则不会为可变类型开辟新的内存空间
如代码中体现,改变了n1[2][0]的值,就会同时改变n3[2][0]的值.反之,若执行深拷备,则会为可变类型开辟新内存空间,也就是,改变了n1[2][0]的值,不会改变n3[2][0]的值.
本文探讨了Python中的浅拷贝和深拷贝概念,通过实例展示了它们在处理可变类型数据时的不同行为。浅拷备仅复制对象的引用,而深拷备会创建新的内存空间以复制整个对象及其子对象。当修改可变类型时,浅拷贝的源对象和副本对象会相互影响,而深拷贝则保持独立。理解这两者的差异对于正确地处理复杂数据结构至关重要。
2223

被折叠的 条评论
为什么被折叠?



