Python数据拷贝方式区别_浅拷贝与深拷贝解析【教程】

Python中数据拷贝需区分浅拷贝与深拷贝：浅拷贝仅复制顶层对象，嵌套子对象仍共享引用；深拷贝递归复制所有层级，完全独立。常用方法分别为copy.copy()和copy.deepcopy()。

Python中数据拷贝不是简单赋值，直接用等号（=）只是创建新引用，原对象和副本指向同一内存地址。真正复制需要浅拷贝或深拷贝，二者核心区别在于：浅拷贝只复制最外层对象，嵌套的子对象仍共享；深拷贝递归复制所有层级，完全独立。

什么是浅拷贝？

浅拷贝生成一个新对象，但只复制顶层元素。如果原对象包含可变类型（如列表、字典、自定义类实例），这些嵌套对象在副本中仍是原对象的引用。

• 常用方法：copy.copy()、list.copy()、dict.copy()、切片 [:]
• 适用场景：对象结构扁平，或确认嵌套部分不会被修改
• 例子：
  import copy
  a = [1, [2, 3]]
  b = copy.copy(a) # 浅拷贝
  b[0] = 99 # 修改顶层 → a 不变
  b[1].append(4) # 修改嵌套列表 → a[1] 也变成 [2, 3, 4]

什么是深拷贝？

深拷贝递归遍历整个对象树，为每个子对象都创建独立副本。修改副本任意层级，都不会影响原始对象。

• 唯一标准方法：copy.deepcopy()
• 适用场景：含多层嵌套、需彻底隔离的结构（如配置字典、树形数据、类实例含可变属性）
• 注意点：
  - 性能开销明显更大，尤其对大型嵌套结构
  - 不支持某些内置对象（如文件句柄、线程锁）和自定义类若未正确定义 __getstate__ 或 __reduce__
  - 遇到循环引用时仍能安全处理（自动记录已拷贝对象）

如何选择拷贝方式？

关键看数据结构是否嵌套，以及后续是否要修改内部可变对象。

• 纯不可变对象（如 [1, 2, 'abc']）→ 浅拷贝足够，甚至切片更轻量
• 含嵌套列表/字典（如 {'users': [{'name': 'A'}, {'name': 'B'}]}）→ 必须用 deepcopy，否则改用户信息会误影响原数据
• 不确定结构深度或需绝对安全 → 直接用 deepcopy，避免隐性bug
• 性能敏感且结构可控 → 浅拷贝 + 手动处理关键嵌套项（例如单独对子列表再 deepcopy）

自定义类的拷贝行为

默认情况下，copy.copy 和 copy.deepcopy 会调用类的 __copy__ 和 __deepcopy__ 方法（如果定义了）。没定义则按默认规则处理：浅拷贝新建实例并逐字段赋值；深拷贝对每个字段递归调用 deepcopy。

• 建议：若类含可变属性（如 list/dict 类型字段），显式实现 __deepcopy__ 更可靠
• 示例片段：
  def __deepcopy__(self, memo):
    new_obj = MyClass()
    new_obj.data = copy.deepcopy(self.data, memo) # 关键字段深拷
    return new_obj