如何解析Python深拷貝與淺拷貝問題

這篇文章將為大家詳細講解有關如何解析Python深拷貝與淺拷貝問題，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

在平時工作中，經常涉及到數據的傳遞，在數據傳遞使用過程中，可能會發生數據被修改的問題。為了防止數據被修改，就需要在傳遞一個副本，即使副本被修改，也不會影響原數據的使用。為了生成這個副本，就產生了拷貝。今天就說一下Python中的深拷貝與淺拷貝的問題。

概念普及：對象、可變類型、引用

數據拷貝會涉及到Python中對象、可變類型、引用這3個概念，先來看看這幾個概念，只有明白了他們才能更好的理解深拷貝與淺拷貝到底是怎么一回事。

Python對象

在Python中，對對象有一種很通俗的說法，萬物皆對象。說的就是構造的任何數據類型都是一個對象，無論是數字，字符串，還是函數，甚至是模塊，Python都對當做對象處理。

所有Python對象都擁有三個屬性：身份、類型、值。

看一個簡單的例子：

In [1]: name = "laowang" # name對象 In [2]: id(name) # id:身份的唯一標識 Out[2]: 1698668550104 In [3]: type(name) # type:對象的類型，決定了該對象可以保存什么類型的值 Out[3]: str In [4]: name # 對象的值，表示的數據 Out[4]: 'laowang'

可變與不可變對象

在Python中，按更新對象的方式，可以將對象分為2大類：可變對象與不可變對象。

• 可變對象： 列表、字典、集合

• 所謂可變是指可變對象的值可變，身份是不變的。

• 不可變對象：數字、字符串、元組

• 不可變對象就是對象的身份和值都不可變。新創建的對象被關聯到原來的變量名，舊對象被丟棄，垃圾回收器會在適當的時機回收這些對象。

In [7]: var1 = "python" In [8]: id(var1) Out[8]: 1700782038408 #由于var1是不可變的，重新創建了java對象，隨之id改變，舊對象python會在某個時刻被回收 In [9]: var1 = "java" In [10]: id(var1)  Out[10]: 1700767578296

引用

在 Python  程序中，每個對象都會在內存中申請開辟一塊空間來保存該對象，該對象在內存中所在位置的地址被稱為引用。在開發程序時，所定義的變量名實際就對象的地址引用。

引用實際就是內存中的一個數字地址編號，在使用對象時，只要知道這個對象的地址，就可以操作這個對象，但是因為這個數字地址不方便在開發時使用和記憶，所以使用變量名的形式來代替對象的數字地址。  在 Python 中，變量就是地址的一種表示形式，并不開辟開辟存儲空間。

就像 IP 地址，在訪問網站時，實際都是通過 IP 地址來確定主機，而 IP 地址不方便記憶，所以使用域名來代替 IP  地址，在使用域名訪問網站時，域名被解析成 IP 地址來使用。

通過一個例子來說明變量和變量指向的引用就是一個東西。

In [11]: age = 18 In [12]: id(age) Out[12]: 1730306752 In [13]: id(18) Out[13]: 1730306752

逐步深入：引用賦值

上邊已經明白，引用就是對象在內存中的數字地址編號，變量就是方便對引用的表示而出現的，變量指向的就是此引用。賦值的本質就是讓多個變量同時引用同一個對象的地址。  那么在對數據修改時會發生什么問題呢?

• 不可變對象的引用賦值。

• 對不可變對象賦值，實際就是在內存中開辟一片空間指向新的對象，原不可變對象不會被修改。

原理圖如下：

下面通過案例來理解一下：

a與b在內存中都是指向1的引用，所以a、b的引用是相同的。

In [1]: a = 1 In [2]: b = a In [3]: id(a) Out[3]: 1730306496 In [4]: id(b) Out[4]: 1730306496

現在再給a重新賦值，看看會發生什么變化?

從下面不難看出：當給a 賦新的對象時，將指向現在的引用，不在指向舊的對象引用。

In [1]: a = 1 In [2]: b = a In [5]: a = 2 In [6]: id(a) Out[6]: 1730306816 In [7]: id(b) Out[7]: 1730306496

• 可變對象的引用賦值。

• 可變對象保存的并不是真正的對象數據，而是對象的引用。當對可變對象進行賦值時，只是將可變對象中保存的引用指向了新的對象。

原理圖如下：

仍然通過一個實例來體會一下，可變對象引用賦值的過程。

當改變l1時，整個列表的引用會指新的對象，但是l1與l2都是指向保存的同一個列表的引用，所以引用地址不會變。

In [3]: l1 = [1, 2, 3] In [4]: l2 = l1 In [5]: id(l1) Out[5]: 1916633584008 In [6]: id(l2) Out[6]: 1916633584008 In [7]: l1[0] = 11 In [8]: id(l1) Out[8]: 1916633584008 In [9]: id(l2) Out[9]: 1916633584008

主旨詳解：淺拷貝、深拷貝

經過前2部分的解讀，大家對對象的引用賦值應該有了一個清晰的認識了。

下面大家思考一個這樣的問題：Python中如何解決原始數據在函數傳遞之后不受影響了?

這個問題Python已經幫我們解決了，使用對象的拷貝或者深拷貝就可以愉快的解決了。

下面具體來看看Python中的淺拷貝與深拷貝是如何實現的。

• 淺拷貝：

為了解決函數傳遞后被修改的問題，就需要拷貝一份副本，將副本傳遞給函數使用，就算是副本被修改，也不會影響原始數據 。

不可變對象的拷貝

不可變對象只在修改的時候才會在內存中開辟新的空間， 而拷貝實際上是讓多個對象同時指向一個引用，和對象的賦值沒區別。

同樣的，通過一個實例來感受一下：不難看出，a與b指向相同的引用，不可變對象的拷貝就是對象賦值。

In [11]: import copy In [12]: a = 10 In [13]: b = copy.copy(a) In [14]: id(a) Out[14]: 1730306496 In [15]: id(b) Out[15]: 1730306496

可變對象的拷貝

對于不可變對象的拷貝，對象的引用并沒有發生變化，那么可變對象的拷貝會不會和不可變對象一樣了?我們接著往下看。

通過下面這個實例可以看出：可變對象的拷貝，會在內存中開辟一個新的空間來保存拷貝的數據。當再改變之前的對象時，對拷貝之后的對象沒有任何影響。

In [24]: import copy In [25]: l1 = [1, 2, 3] In [26]: l2 = copy.copy(l1) In [27]: id(l1) Out[27]: 1916631742088 In [28]: id(l2) Out[28]: 1916636282952 In [29]: l1[0] = 11 In [30]: id(l1) Out[30]: 1916631742088 In [31]: id(l2) Out[31]: 1916636282952

原理圖如下：

現在再回到剛才那個問題，是不是淺拷貝就可以解決原始數據在函數傳遞之后不變的問題了?下面看一個稍微復雜一點的數據結構。

通過下面這個實例可以發現：復雜對象在拷貝時，并沒有解決數據在傳遞之后，數據改變的問題。 出現這種原因，是copy()  函數在拷貝對象時，只是將指定對象中的所有引用拷貝了一份，如果這些引用當中包含了一個可變對象的話，那么數據還是會被改變。 這種拷貝方式，稱為淺拷貝。

In [35]: a = [1, 2] In [36]: l1 = [3, 4, a] In [37]: l2 = copy.copy(l1) In [38]: id(l1) Out[38]: 1916631704520 In [39]: id(l2) Out[39]: 1916631713736 In [40]: a[0] = 11 In [41]: id(l1) Out[41]: 1916631704520 In [42]: id(l2) Out[42]: 1916631713736 In [43]: l1 Out[43]: [3, 4, [11, 2]] In [44]: l2 Out[44]: [3, 4, [11, 2]]

原理圖如下：

對于上邊這種狀況，Python還提供了另一種拷貝方式(深拷貝)來解決。

• 深拷貝

區別于淺拷貝只拷貝頂層引用，深拷貝會逐層進行拷貝，直到拷貝的所有引用都是不可變引用為止。

接下來我們看看，要是將上邊的拷貝實例用使用深拷貝的話，原始數據改變的問題還會不會存在了?

下面的實例清楚的告訴我們：之前的問題就可以***解決了。

import copy l1 = [3, 4, a] In [47]: l2 = copy.deepcopy(li) In [48]: id(l1) Out[48]: 1916632194312 In [49]: id(l2) Out[49]: 1916634281416 In [50]: a[0] = 11 In [51]: id(l1) Out[51]: 1916632194312 In [52]: id(l2) Out[52]: 1916634281416 In [54]: l1 Out[54]: [3, 4, [11, 2]] In [55]: l2 Out[55]: [1, 2, 3]

原理圖如下：

查漏補缺

為什么Python默認的拷貝方式是淺拷貝?

• 時間角度：淺拷貝花費時間更少。

• 空間角度：淺拷貝花費內存更少。

• 效率角度：淺拷貝只拷貝頂層數據，一般情況下比深拷貝效率高。

知識點總結：

• 不可變對象在賦值時會開辟新空間。

• 可變對象在賦值時，修改一個的值，另一個也會發生改變。

• 深、淺拷貝對不可變對象拷貝時，不開辟新空間，相當于賦值操作。

• 淺拷貝在拷貝時，只拷貝***層中的引用，如果元素是可變對象，并且被修改，那么拷貝的對象也會發生變化。

• 深拷貝在拷貝時，會逐層進行拷貝，直到所有的引用都是不可變對象為止。

• Python 中有多種方式實現淺拷貝，copy模塊的copy 函數 ，對象的 copy 函數 ，工廠方法，切片等。

• 大多數情況下，編寫程序時，都是使用淺拷貝，除非有特定的需求。

• 淺拷貝的優點：拷貝速度快，占用空間少，拷貝效率高。

關于如何解析Python深拷貝與淺拷貝問題就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。