Python中的深浅拷贝
在讲深浅拷贝之前，想先讲一下 is 和==的区别。
在进行对象是否相等比较的时候我们可以用is 和 ==
- is：比较两个对象的引用是否相同，即 它们的id 是否一样
- == ： 比较两个对象的值是否相同。
id() ，是Python的一个内置函数，返回对象的唯一标识，用于获取对象的内存地址。
如下
a = 1
b = 1
print(id(a)) # 2057422768
print(id(b)) # 2057422768
print(a is b) # True
首先，会为整数1分配一个内存空间。 变量a 和 b 都指向了这个内存空间（内存地址相等），所以他们的id相等。
即 a is b 为 True
但是，真的所有整数数字都这样吗？ 答案是：不是！ 只有在 -25 ~ 256范围中的整数才不会重新分配内存空间。
如下所示：
因为257 超出了范围，所以id不相同，所以a is b返回的值为False。
>>> a = 257
>>> b = 257
>>> print(id(a))
20004752
>>> print(id(b))
20001312
>>> print(a is b)
False
>>> print(a == b)
True
这样做是考虑到性能，Python对-5 到 256 的整数维护了一个数组，相当于一个缓存， 当数值在这个范围内，直接就从数组中返回相对应的引用地址了。如果不在这个范围内，会重新开辟一个新的内存空间。
is 和 == 哪个效率高？
相比之下，is比较的效率更高，因为它只需要判断两个对象的id是否相同即可。
而== 则需要重载__eq__ 这个函数，遍历变量中的所有元素内容，逐次比较是否相同。因此效率较低
浅拷贝 深拷贝
简单的了解了is， ==， 下面我们一起来看看Python中的深浅拷贝。
先说结论吧：
- 浅拷贝：拷贝的是对象的引用，如果原对象改变，相应的拷贝对象也会发生改变
- 深拷贝：拷贝对象中的每个元素，拷贝对象和原有对象不在有关系，两个是独立的对象
浅拷贝
a = [1, 2, 3]
b = list(a) # 可以通过list 对列表进行浅拷贝
c = a.copy() # 也可以通过copy函数进行拷贝
# 浅拷贝后，a/b/c的id 各不相同，说明指向了不同的内存地址-- 即 生成了新的对象
print(id(a)) # 16301992
print(b, "id:", id(b)) # id:16562024
print(c, "id:", id(c)) # id:16561960
print(a == b) # True 值相同 返回True
print(a is b) # False id不同所以 is比较返回False
# 给列表a 添加元素4
a.append(4)
print(a) # [1, 2, 3, 4]
print(b, c) # [1, 2, 3] [1, 2, 3] b和c 不受影响
以上可以看出，浅拷贝会分配一个新的内存空间，创建一个新的对象。但是如果被拷贝对象中有可变对象会怎么样呢？ 看下面的代码
a = [1, 2, [3, 4]]
b = a.copy()
print(id(a)) # 23967528
print(id(b)) # 21738984
# 改变a中的可变对象
a[-1].append(5)
print(a)
# 在给a新增元素6
a.append(6)
# [1, 2, [3, 4, 5], 6]
print(a)
# [1, 2, [3, 4, 5]]
print(b)
可以看出，在列表a中新增的元素6，并没有影响b。但是在a的嵌套列表中新增的元素5，却影响了元素b。
原因在于：对于a和b都指向了同一个列表[3, 4]。 所以当a中在列表新增元素5的时候，改变了那个列表的值，b也指向了那个列表，所以也会发生改变。
再看看下面的代码
a = [1, 2, (3, 4)]
b = a.copy()
print(id(a)) # 59162536
print(id(b)) # 60143400
# 改变a中的可变对象
a[-1] += (5, )
# [1, 2, (3, 4, 5)]
print(a)
# [1, 2, (3, 4)]
print(b)
对于元组（3, 4），因为元组不可变，所以在元组中新增了元素5，实际上是生成了新的元组对象。而b列表中的元组引用并没有发生改变。
通过上面的两个例子可以看出浅拷贝可能会带来的弊端，在使用中需要大家进行相应的判断。或者去完整的拷贝某个对象，即 深拷贝。
深拷贝
所谓深拷贝呢，就是重新分配一个内存空间（新对象），将原对象中的所有元素通过递归的方式进行拷贝到新对象中。
在Python中 通过copy.deepcopy()来实现深拷贝。
import copy
a = [1, 2, (3, 4)]
# 深拷贝
b = copy.deepcopy(a)
# 因为生成了新的对象所以，返回False
print(a is b)
a[-1] += (5,)
a.append(6)
print(a) # [1, 2, (3, 4, 5), 6]
print(b) # [1, 2, (3, 4)] 深拷贝后的对象，根本不受原对象的任何影响
…
随时随地看视频
