python中浅拷贝 vs 深拷贝

一、三个概念别混
• 赋值（aliasing）：b = a
不拷贝数据，a、b 指向同一个对象。
• 浅拷贝（shallow copy）：只复制最外层容器，容器里的元素仍是原来的引用。
常见：copy.copy(x)、x.copy()、list(x)、x[:]（列表切片）、dict(x) / set(x)。
• 深拷贝（deep copy）：递归复制容器及其所有可达子对象。
常见：copy.deepcopy(x)。

对于不可变对象（int/str/tuple等，且元组内不含可变对象），浅/深拷贝的效果通常一样——因为没必要复制内部内容。

⸻

二、最小示例（看得见的差异）

import copy

a = {"nums": [1, 2], "x": 10}

b = a                   # 赋值：同一个对象
c = a.copy()            # 浅拷贝：只拷贝最外层 dict
d = copy.deepcopy(a)    # 深拷贝：递归地全拷

a["nums"].append(3)
a["x"] = 99

print("a:", a)  # {'nums': [1, 2, 3], 'x': 99}
print("b:", b)  # 跟 a 完全一样（同一对象）
print("c:", c)  # 'nums' 跟 a 共享，同步变成 [1,2,3]；但 'x' 不会跟着改
print("d:", d)  # 完全独立，仍是 {'nums': [1,2], 'x': 10}

要点：浅拷贝后修改“嵌套里的可变对象”（如列表/字典），会影响原对象；深拷贝不会。

⸻

三、常用拷贝方式速查

浅拷贝
• 列表：b = a[:] 或 b = list(a) 或 b = a.copy()
• 字典：b = dict(a) 或 b = a.copy()
• 集合：b = set(a) 或 b = a.copy()
• 通用：import copy; b = copy.copy(a)

深拷贝
• 通用：import copy; b = copy.deepcopy(a)

⸻

四、几个容易踩的坑

1）元组“看起来不可变”，但内部可能是可变的

import copy
t1 = (1, [2, 3])
t2 = copy.copy(t1)       # 浅拷贝
t3 = copy.deepcopy(t1)   # 深拷贝

t1[1].append(4)
print(t2)  # (1, [2, 3, 4])  ← 共享了那只列表
print(t3)  # (1, [2, 3])     ← 深拷贝隔离成功

2）自引用/循环引用

deepcopy 使用内部的 memo 字典跟踪已复制对象，可安全处理自引用结构：

import copy
a = []
a.append(a)
b = copy.deepcopy(a)   # 不会无限递归

3）外部资源对象通常不适合深拷贝

比如打开的文件句柄、线程锁、数据库连接……
深拷贝它们没有意义，常常会抛错或只做浅拷贝。此类对象应显式重建或在类中自定义拷贝策略。

4）numpy / pandas 的 .copy() 语义跟 Python 标准库不同
• numpy.ndarray.copy() 会复制数据缓冲（更像“深拷贝数据”），但 view 不是拷贝。
• pandas.DataFrame.copy(deep=True) 是数据级拷贝；从 2.0 起引入 Copy-on-Write，行为更复杂。

要分清：库内的 copy ≠ copy 模块的浅/深拷贝 含义完全一致。

⸻

五、自定义类如何控制拷贝？

实现 copy 与 deepcopy(self, memo)：

import copy

class Box:
    def __init__(self, items):
        self.items = items

    def __copy__(self):
        # 浅拷贝：复制最外层，内部共享
        cls = self.__class__
        new = cls(self.items)         # 不复制 items
        return new

    def __deepcopy__(self, memo):
        cls = self.__class__
        new = cls(copy.deepcopy(self.items, memo))
        return new

b1 = Box([1,2])
b2 = copy.copy(b1)
b3 = copy.deepcopy(b1)

⸻

六、怎么选？
• 数据一层结构或内部全是不可变 → 浅拷贝即可，快且省内存。
• 有嵌套可变对象且需要完全隔离 → 深拷贝。
• 大对象/性能敏感 → 尽量避免深拷贝；考虑设计为不可变数据或显式构造新对象只复制需要变动的部分。

⸻

七、可直接运行的小测

import copy

def show(title, obj):
    print(title, obj, "| id(obj):", id(obj))

a = {"xs": [1,2], "y": {"z": 3}}
b = a                  # 赋值
c = a.copy()           # 浅拷贝
d = copy.deepcopy(a)   # 深拷贝

a["xs"].append(9)
a["y"]["z"] = 7

show("a", a)  # xs -> [1,2,9], y.z -> 7
show("b", b)  # 同 a
show("c", c)  # xs 受影响（共享），y.z 也受影响（共享），但 c 本身的 id 不同
show("d", d)  # 完全没受影响

⸻

一句话总结：
• 浅拷贝：只复制壳，里头东西共用。
• 深拷贝：把里里外外都复制一份，互不影响。
按数据结构与性能需求选择即可。