Python进阶之深浅拷贝

**

一、浅拷贝

可变数据类型	不可变数据类型
列表	整型
字典	字符串
集合	元组
	布尔类型

variant_demo1 = [1,2,3]
# 对variant_demo1进行拷贝
variant_demo2 = variant_demo1.copy()
# 对可变数据[]第一个元素进行修改
variant_demo1[0] = 4
print(variant_demo2) # [1, 2, 3]
print(variant_demo1) # [4, 2, 3]

针对可变数据类型的拷贝，当修改了被拷贝对象的第一层，拷贝的不会受到影响。

variant_demo1 = [1,2,3,[1,2]]
# 对variant_demo1进行拷贝
variant_demo2 = variant_demo1.copy()
# 对可变数据二层进行修改
variant_demo1[3][0] = 4
print(variant_demo2) # [1, 2, 3, [4, 2]]
print(variant_demo1) # [1, 2, 3, [4, 2]]

针对于可变数据类型的浅拷贝，当修改了被拷贝对象的第二层，拷贝的对象会受到影响。

二、深拷贝

import copy
mutable_copy_demo1 = [1,2,3,[1,2]]
# 深拷贝对象mutable_copy_demo1
mutable_copy_demo2 = copy.deepcopy(mutable_copy_demo1)
# 对拷贝二层修改
mutable_copy_demo1[3][1] = 4
print(mutable_copy_demo2) # [1, 2, 3, [1, 2]]
print(mutable_copy_demo1) # [1, 2, 3, [1, 4]]

三、小结

问：谈谈你对Python的深浅拷贝的理解。

浅拷贝：针对不可变数据类型的拷贝，被拷贝对象的修改不影响拷贝的结果。 针对可变数据类型，如果修改被拷贝对象的第一层，不会受到影响；如果拷贝到第二层，被拷贝对象的修改影响拷贝的结果。

深拷贝：构造一个新的复合对象，不会受到原拷贝对象的影响。

深浅拷贝的应用：

1. 数据处理：在处理大量数据时，需要对数据进行拷贝，以免在修改数据时对原始数据造成影响。

2. 算法实现：在实现一些算法，比如树形结构、图等时，需要深拷贝对象来保证算法的正确性。

3. 并行计算：在并行计算中，经常需要对任务数据进行拷贝，以防止不同任务之间的数据冲突。