关于python中的浅copy和深copy（dict.copy，numpy.copy）

前言

python的数据储存方式完全由指针完成，这样的数据记录很容易引发一些数据误操作。

具体看下面的例子：

a = 1
b = 1
print(id(a))
print(id(b))

结果：

11062208
11062208

可以看出，两个变量的内存地址都是相同的。

1.浅copy和深copy

看下面的例子：

a = [1, 2, 3]
b = a
print(a)
print(b)
print(id(a))
print(id(b))
b[2] = 2
b[1] = 3
print(b)
print(a)

输出：

[1, 2, 3]
[1, 2, 3]
139691349775048
139691349775048
[1, 3, 2]
[1, 3, 2]

可以看出a的值随着b的值也随之发生了改变，这是因为a和b虽然是不同的变量名称，但是他们所指向的内存地址是相同的，如果修改内存地址的值，而不修改变量指向的内存地址，此时两个变量的值都会随之改变，因为此时a和b虽然看起来不一样，但其实就像同一个人穿了不同的衣服，本质是没变的，如果想b改变不影响a本身，此时就需要用到copy函数了，但是python的copy函数又分为浅copy和深copy。

深复制（deep copy），即将被复制对象完全再复制一遍作为独立的新个体单独存在。所以改变原有被复制对象不会对已经复制出来的新对象产生影响。 
而浅复制并不会产生一个独立的对象单独存在，他只是将原有的数据块打上一个新标签，所以当其中一个标签被改变的时候，数据块就会发生变化，另一个标签也会随之改变。这就和我们寻常意义上的复制有所不同了。

下面可以看一个例子：

import copy
a = [1, 2, 3, [4, 5]]
b = copy.copy(a)
c = copy.deepcopy(a)
print(a)
print(b)
print(c)
print('a:', id(a), 'b:', id(b), 'c:', id(c))
print('a:', id(a[3]), 'b:', id(b[3]), 'c:', id(c[3]))
c[3][0] = 'c'
b[3][0] = 'g'
a[3][1] = 'd'
print(a)
print(b)
print(c)

输出：

[1, 2, 3, [4, 5]]
[1, 2, 3, [4, 5]]
[1, 2, 3, [4, 5]]
a: 139691328652296 b: 139691349864968 c: 139691235775240
a: 139691235895944 b: 139691235895944 c: 139691349387784
[1, 2, 3, ['g', 'd']]
[1, 2, 3, ['g', 'd']]
[1, 2, 3, ['c', 5]]

可以看出，在copy和deepcopy之后，b和c的地址和a都不一样，但是浅copy的b的第四个元素的地址和a的第四个元素地址是相同的，这时候无论更改a[4]还是b[4]，其值都会同步改变，如上结果所示，但是因为c是deep copy其父级和子级的地址都发生了改变，此时其不受a和b的影响，也不会影响a和b，这就是浅copy和深copy的差异之处。

2.关于dict和numpy

平常一般还会设计dict.copy()和numpy.copy()。两个数据格式的copy是不一样的，十分需要注意。dict的copy是浅copy，而numpy的copy则是深copy。