深拷贝与浅拷贝

我们常说的深浅拷贝，其实就是传值与引用的区别：

• 深拷贝是指使用一块新的与原对象相同大小的内存，将需要拷贝的对象的所有值都拷贝到新的内存位置中，拷贝出来的对象与原对象互相独立。使用深拷贝赋值，传的是值。
• 浅拷贝是指使用原对象的引用作为拷贝的对象，而不使用新的内存存放拷贝出来的对象，拷贝的对象与原对象共用同一块内存，所以对其中任一个做修改，另一个也会随之改变。使用浅拷贝赋值，传的是引用。

Python中对象的赋值

Python中很多地方都用到浅拷贝，这与C/C++默认的传参方式（除非声明是引用，否则默认传值）是截然不同的。

在Python中，对象的赋值是浅拷贝，当把一个对象赋值给另一个变量的时候，Python只是拷贝了这个对象的引用。

使用Python标准库一些函数，如果不注意它浅拷贝的特性，很容易掉进坑里，出现莫名其妙的bug。

append()函数

给Pyhton的列表尾部追加元素，我们通常会用到append()函数，但是要注意append()函数使用的是浅拷贝。

举个例子：

mylist = []
x = [1, 2, 3]
mylist.append(x)

给空列表mylist追加一个x，此时查看mylist，输出为[[1, 2, 3]]，即mylist拥有了一个元素，该元素正是x（列表[1, 2, 3]）。

然后修改x的其中一个元素：

x[1] = 0

修改后x变成[1, 0, 3]，再次查看mylist，发现它也变成了[[1, 0, 3]]。这表示在执行语句mylist.append(x)的时候使用的是浅拷贝，只给mylist追加了x的引用，因此对x作修改就会反映到mylist上来。

本例完整运行截图：

浅拷贝

如何使用深拷贝

如果想避免浅拷贝带来的麻烦，直接使用深拷贝，可以使用copy模块中的deepcopy()函数：

from copy import deepcopy

mylist = []
x = [1, 2, 3]
mylist.append(deepcopy(x))

还是用刚才的例子，对x的元素作修改，可以看到mylist没有被改动：

深拷贝

此外，如果做数值处理等常会使用numpy中的ndarray多维数组对象，如果给列表追加的是这种对象，可以使用numpy.copy()函数进行多维数组的深拷贝，例如：

import numpy as np

mylist = []
x = np.array([1, 2, 3])
mylist.append(np.copy(x))

然后可以修改x：

x[1] = 0

最后查看mylist，发现并无变化：

numpy数组深拷贝