copy模块的浅拷贝和深拷贝

最新推荐文章于 2025-12-28 07:10:27 发布

原创最新推荐文章于 2025-12-28 07:10:27 发布 · 182 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文探讨了Python中浅拷贝与深拷贝的区别，通过例子展示了如何避免因引用问题导致的修改影响。重点介绍了id()函数用于确定对象地址，以及copy.copy()与copy.deepcopy()的使用场景和效果。

>>> import  copy
单一的list
>>> a=[1,2,3]
>>> b=a
id函数用来对象的地址
>>> id(b)
183798744640
>>> id(a)
183798744640
当b=a时，他们的内存地址是一样的，所以是引用。
>>> c=copy.copy(a)
>>> id(c)
183798462720
>>> print(c)
[1, 2, 3]
>>> id(c[1])
140736344016576
>>> id(a[1])
140736344016576
通过浅拷贝复制的c，和a的内存地址是不同的，但是a[1]和c[1]还是相同的。这就造成了一个问题
当a[1]和c[1]是list的时候，c[1]还是a[1]的引用

比如下方的例子
>>> d=[[1,2,3],[4,5,6]]
>>> e=copy.copy(d)
>>> id(e)
183798498368
>>> id(d)
183788201664
>>> id(e[0])
183796135488
>>> id(d[0])
183796135488
可以看到d和e的内存地址是不一样的，但是e[0]和d[0]还是一样的内存地址。也就是说现在修改的d[0]的值
e[0]也会跟着修改
>>> print(e[0])
[1, 2, 3]
>>> d[0].append(4)
>>> print(e[0])
[1, 2, 3, 4]
>>> print(d[0])
[1, 2, 3, 4]


解决方法深拷贝
>>> f=copy.deepcopy(d)
>>> id(f)
183798426112
>>> id(d)
183788201664
>>> id(f[0])
183798674048
>>> id(d[0])
183796135488
不只是f和d的内存地址不同，f[0]和d[0]的地址也不同，这样的话改变d[0]，也不会影响f[0].
>>> f=copy.deepcopy(d)
>>> print(f)
[[1, 2, 3, 4], [4, 5, 6]]
>>> print(d)
[[1, 2, 3, 4], [4, 5, 6]]
>>> d[0].append(6)
>>> print(d)
[[1, 2, 3, 4, 6], [4, 5, 6]]
>>> print(f)
[[1, 2, 3, 4], [4, 5, 6]]