一文了解Python深拷貝與淺拷貝問題

摘要： 在平時工作中，經常涉及到資料的傳遞，在資料傳遞使用過程中，可能會發生資料被修改的問題。為了防止資料被修改，就需要在傳遞一個副本，即使副本被修改，也不會影響原資料的使用。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：物件、可變型別、引用 資...

在平時工作中，經常涉及到資料的傳遞，在資料傳遞使用過程中，可能會發生資料被修改的問題。為了防止資料被修改，就需要在傳遞一個副本，即使副本被修改，也不會影響原資料的使用。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：物件、可變型別、引用

資料拷貝會涉及到Python中物件、可變型別、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麼一回事。

Python物件

在Python中，對物件有一種很通俗的說法，萬物皆物件。說的就是構造的任何資料型別都是一個物件，無論是數字，字串，還是函式，甚至是模組，Python都對當做物件處理。

所有Python物件都擁有三個屬性：身份、型別、值。

看一個簡單的例子：

In [1]: name = "laowang" # name物件 
In [2]: id(name) # id:身份的唯一標識 
Out[2]: 1698668550104 
In [3]: type(name) # type:物件的型別，決定了該物件可以儲存什麼型別的值 
Out[3]: str 
In [4]: name # 物件的值，表示的資料 
Out[4]: 'laowang' 

可變與不可變物件

在Python中，按更新物件的方式，可以將物件分為2大類：可變物件與不可變物件。

• 可變物件： 列表、字典、集合
• 所謂可變是指可變物件的值可變，身份是不變的。
• 不可變物件：數字、字串、元組
• 不可變物件就是物件的身份和值都不可變。新建立的物件被關聯到原來的變數名，舊物件被丟棄，垃圾回收器會在適當的時機回收這些物件。

In [7]: var1 = "python" 
In [8]: id(var1) 
Out[8]: 1700782038408 
#由於var1是不可變的，重新建立了java物件，隨之id改變，舊物件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 程式中，每個物件都會在記憶體中申請開闢一塊空間來儲存該物件，該物件在記憶體中所在位置的地址被稱為引用。在開發程式時，所定義的變數名實際就物件的地址引用。

引用實際就是記憶體中的一個數字地址編號，在使用物件時，只要知道這個物件的地址，就可以操作這個物件，但是因為這個數字地址不方便在開發時使用和記憶，所以使用變數名的形式來代替物件的數字地址。 在 Python 中，變數就是地址的一種表示形式，並不開闢開闢儲存空間。

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數和變數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，引用就是物件在記憶體中的數字地址編號，變數就是方便對引用的表示而出現的，變數指向的就是此引用。賦值的本質就是讓多個變數同時引用同一個物件的地址。 那麼在對資料修改時會發生什麼問題呢?

• 不可變物件的引用賦值
• 對不可變物件賦值，實際就是在記憶體中開闢一片空間指向新的物件，原不可變物件不會被修改。

原理圖如下：

下面通過案例來理解一下：

a與b在記憶體中都是指向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，看看會發生什麼變化?

從下面不難看出：當給a 賦新的物件時，將指向現在的引用，不在指向舊的物件引用。

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 

• 可變物件的引用賦值
• 可變物件儲存的並不是真正的物件資料，而是物件的引用。當對可變物件進行賦值時，只是將可變物件中儲存的引用指向了新的物件。

原理圖如下：

仍然通過一個例項來體會一下，可變物件引用賦值的過程。

當改變l1時，整個列表的引用會指新的物件，但是l1與l2都是指向儲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，大家對物件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中如何解決原始資料在函式傳遞之後不受影響了?

這個問題Python已經幫我們解決了，使用物件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：

為了解決函式傳遞後被修改的問題，就需要拷貝一份副本，將副本傳遞給函式使用，就算是副本被修改，也不會影響原始資料 。

不可變物件的拷貝

不可變物件只在修改的時候才會在記憶體中開闢新的空間， 而拷貝實際上是讓多個物件同時指向一個引用，和物件的賦值沒區別。

同樣的，通過一個例項來感受一下：不難看出，a與b指向相同的引用，不可變物件的拷貝就是物件賦值。

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 

可變物件的拷貝

對於不可變物件的拷貝，物件的引用並沒有發生變化，那麼可變物件的拷貝會不會和不可變物件一樣了?我們接著往下看。

通過下面這個例項可以看出：可變物件的拷貝，會在記憶體中開闢一個新的空間來儲存拷貝的資料。當再改變之前的物件時，對拷貝之後的物件沒有任何影響。

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資料在函式傳遞之後不變的問題了?下面看一個稍微複雜一點的資料結構。

通過下面這個例項可以發現：複雜物件在拷貝時，並沒有解決資料在傳遞之後，資料改變的問題。 出現這種原因，是copy() 函式在拷貝物件時，只是將指定物件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物件的話，那麼資料還是會被改變。 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：

對於上邊這種狀況，Python還提供了另一種拷貝方式(深拷貝)來解決。

• 深拷貝

區別於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，要是將上邊的拷貝例項用使用深拷貝的話，原始資料改變的問題還會不會存在了?

下面的例項清楚的告訴我們：之前的問題就可以完美解決了。

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

為什麼Python預設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：淺拷貝花費記憶體更少
• 效率角度：淺拷貝只拷貝頂層資料，一般情況下比深拷貝效率高。

本文知識點總結：

• 不可變物件在賦值時會開闢新空間
• 可變物件在賦值時，修改一個的值，另一個也會發生改變
• 深、淺拷貝對不可變物件拷貝時，不開闢新空間，相當於賦值操作
• 淺拷貝在拷貝時，只拷貝第一層中的引用，如果元素是可變物件，並且被修改，那麼拷貝的物件也會發生變化
• 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物件為止。
• Python 中有多種方式實現淺拷貝，copy模組的copy 函式 ，物件的 copy 函式 ，工廠方法，切片等。
• 大多數情況下，編寫程式時，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，佔用空間少，拷貝效率高