大家都是拷贝，凭什么你这么秀？

江水滔滔

之前关于 Python 的作用域、赋值、参数传递，我们接连谈了几篇文章：
全菊变量和菊部变量关于函数参数传递，80%人都错了可变对象与不可变对象
今天我们依然要就相关话题继续下去。

首先是上次最后的思考题：

1. m = [1, 2, [3]]
2. n = m[:]
3. n[1] = 4
4. n[2][0] = 5
5. print(m)

复制代码

m 的结果是什么？

正确答案是 [1, 2, [5]]，这次比上次好点，有 35% 的正确率。

当时我留了个提示，说和浅拷贝、深拷贝有关，现在我们就来具体说一说。

假设有这样一个 list 变量 m，其中有 4 个元素（别被嵌套迷惑了）：

1. m = [1, 2, [3, 4], [5, [6, 7]]]

复制代码

为了更直观的表示，我来画个图：

现在我们想要再来“复制”一个同样的变量。也许第一个闪过脑中的念头就是：

1. n = m

复制代码

但看了前面的文章后你应该知道，这样的赋值只相当于增加了一个标签，并没有新的对象产生：

用 id 验证下就知道，m 和 n 仍然是同一个东西。那么他们内部的元素自然也是一样的，对其中一个进行修改，另一个也会跟着变：

1. m = [1, 2, [3, 4], [5, [6, 7]]]
2. print('m:', id(m))
3. print([id(i) for i in m])
4. n = m
5. print('n:', id(n))
6. print([id(i) for i in n])
7. print(n is m)
8. print(n[0] is m[0])
9. print(n[2] is m[2])
10. n[0] = -1
11. print(m)
12. n[2][1] = -1
13. print(m)

复制代码

输出

1. m: 4564554888
2. [4556507504, 4556507536, 4564554760, 4564555016]
3. n: 4564554888
4. [4556507504, 4556507536, 4564554760, 4564555016]
5. True
6. True
7. True
8. [-1, 2, [3, 4], [5, [6, 7]]]
9. [-1, 2, [3, -1], [5, [6, 7]]]

复制代码

因此有人将此操作称为“旧瓶装旧酒”，只是多贴了一层标签，这不能达到我们的目的。要得到一个对象的“拷贝”，我们需要用到 copy 方法：

1. from copy import copy
2. m = [1, 2, [3, 4], [5, [6, 7]]]
3. print('m:', id(m))
4. print([id(i) for i in m])
5. n = copy(m)
6. print('n:', id(n))
7. print([id(i) for i in n])
8. print(n is m)
9. print(n[0] is m[0])
10. print(n[2] is m[2])
11. n[0] = -1
12. print(m)
13. n[2][1] = -1
14. print(m)

复制代码

输出

1. m: 4340253832
2. [4333009264, 4333009296, 4340253704, 4340253960]
3. n: 4340268104
4. [4333009264, 4333009296, 4340253704, 4340253960]
5. False
6. True
7. True
8. [1, 2, [3, 4], [5, [6, 7]]]
9. [1, 2, [3, -1], [5, [6, 7]]]

复制代码

从结果中可以看出，n 和 m 已不是同一个对象，对于某个元素的重新赋值不会影响原对象。但是，它们内部的元素全都是一样的，所以对一个可变类型元素的修改，则仍然会反应在原对象中。

（其实这里1、2也是指向同一个对象，但作为不可变对象来说，它们互不影响，直观上的感受就相当于是复制了一份，故简化如图上所示）

这种复制方法叫做浅拷贝（shallow copy），又被人形象地称作“新瓶装旧酒”，虽然产生了新对象，但里面的内容还是来自同一份。

如果要彻底地产生一个和原对象完全独立的复制品，得使用深拷贝（deep copy）：

1. from copy import deepcopy
2. m = [1, 2, [3, 4], [5, [6, 7]]]
3. print('m:', id(m))
4. print([id(i) for i in m])
5. n = deepcopy(m)
6. print('n:', id(n))
7. print([id(i) for i in n])
8. print(n is m)
9. print(n[0] is m[0])
10. print(n[2] is m[2])
11. n[0] = -1
12. print(m)
13. n[2][1] = -1
14. print(m)

复制代码

输出

1. m: 4389131400
2. [4381886832, 4381886864, 4389131272, 4389131528]
3. n: 4389131208
4. [4381886832, 4381886864, 4389131656, 4389145736]
5. False
6. True
7. False
8. [1, 2, [3, 4], [5, [6, 7]]]
9. [1, 2, [3, 4], [5, [6, 7]]]

复制代码

此时，对新对象中元素做任何改动都不会影响原对象。新对象中的子列表，无论有多少层，都是新的对象，有不同的地址。

按照前面的比喻，深拷贝就是“新瓶装新酒”。

你可能会注意到一个细节：n 中的前两个元素的地址仍然和 m 中一样。这是由于它们是不可变对象，不存在被修改的可能，所以拷贝和赋值是一样的。

于是，深拷贝也可以理解为，不仅是对象自身的拷贝，而且对于对象中的每一个子元素，也都进行同样的拷贝操作。这是一种递归的思想。

不过额外要说提醒一下的是，深拷贝的实现过程并不是完全的递归，否则如果对象的某级子元素是它自身的话，这个过程就死循环了。实际上，如果遇到已经处理过的对象，就会直接使用其引用，而不再重复处理。听上去有点难懂是不是？想想这个例子大概就会理解了：

1. from copy import deepcopy
2. m = [1, 2]
3. m.append(m)
4. print(m, id(m), id(m[2]))
5. n = deepcopy(m)
6. print(n, id(n), id(n[2]))

复制代码

输出

1. [1, 2, [...]] 4479589576 4479589576
2. [1, 2, [...]] 4479575048 4479575048

复制代码

最后，还是给各位留个思考：

1. from copy import deepcopy
2. a = [3, 4]
3. m = [1, 2, a, [5, a]]
4. n = deepcopy(m)
5. n[3][1][0] = -1
6. print(n)

复制代码

深拷贝后的 n，修改了其中一个元素值，会是怎样的效果？

思考一下输出会是什么？

然后自己在电脑上或者我们的在线编辑器 Crossin的编程教室 - 在线Python编辑器 里输入代码运行下看看结果，再想想为什么。

欢迎留言给出你的解释。



════

其他文章及回答：

如何自学Python | 新手引导 | 精选Python问答 | Python单词表 | 人工智能 | 嘻哈 | 爬虫 | 我用Python | 高考 | requests | AI平台

欢迎搜索及关注：Crossin的编程教室