Python中append浅拷贝机制

news2025/1/11 23:59:36

关于深浅拷贝，最直观的理解就是：

深拷贝：拷贝的程度深，自己新开辟了一块内存，将被拷贝内容全部拷贝过来了；

浅拷贝：拷贝的程度浅，只拷贝原数据的首地址，然后通过原数据的首地址，去获取内容。

这两者的优缺点对比：

深拷贝拷贝程度高，将原数据复制到新的内存空间中。改变拷贝后的内容不影响原数据内容。但是深拷贝耗时长，且占用内存空间。

浅拷贝拷贝程度低，只复制原数据的地址。其实是将副本的地址指向原数据地址。修改副本内容，是通过当前地址指向原数据地址，去修改。所以修改副本内容会影响到原数据内容。但是浅拷贝耗时短，占用内存空间少。

Python内存引用

在C语言中，在声明变量的时候，int a，int b，这两条语句为a，b两个变量分别赋予了两块不同的内存空间，然后赋值的时候再将相应的值存储到对应的存储空间。但是在Python中变量的赋值与C语言是截然不同的，考虑下面的代码：

>>> a = 2
>>> b = 2
>>> id(a)
140736259334576
>>> id(b)
140736259334576

id函数用于获取对象的内存地址，可以发现，变量a和变量b的内存地址竟然一样！

在Python中，先生成对象，变量再对对象进行引用，在这个例子中，1就是对象，然后a再对1进行引用，由于常数是不可变类型，所以1的内存空间是一样的，所以a，b引用的是用一块内存空间。虽然变量名不一样，但是他们引用的对象是相同的。

当然上面举的例子是int类型的，这属于不可变类型。如果是list或者dict呢？来看看下面的例子：

>>> a = [1, 2, 3]
>>> b = [1, 2, 3]
>>> id(a)
3145735383560
>>> id(b)
3145735414984

内存地址不一致！基于此，我们步入今天的主题，来看看append方法浅拷贝机制，到底有什么坑！

append方法浅拷贝机制

Python中的append方法是一个常用的方法，可以将一个对象添加到列表末尾。相信大家一定都用过吧？有人去深挖这个函数的用法吗？这里面可以存在一个大坑！

我们来看一个例子：

>>> a = [1, 3, 5, "a"]
>>> b = []
>>> b.append(a)
>>> b
[[1, 3, 5, 'a']]
>>> a.append("aha")
>>> b    # surprise?
[[1, 3, 5, 'a', 'aha']]

思考一下，明明在第三行之后并没有对b操作，那么为什么b会发生改变呢？

回到今天的主题，事实上，append方法是浅拷贝。在Python中，对象赋值实际上是对象的引用，当创建一个对象，然后把它赋值给另一个变量的时候，Python并没有拷贝这个对象，而只是拷贝了这个对象的引用，这就是浅拷贝。

我们逐步来看。首先，b.append(a)就是对a进行了浅拷贝，结果为b=[[1, 3, 5, 'a']]，但b[0]与a引用的对象是相同的，这可以通过id函数进行验证：

>>> id(b[0])
3145735177480
>>> id(a)
3145735177480

可见，b[0]与a指向同个内存地址。

下一步，代码执行a.append(0)，列表是可变类型，这一步在原地址的列表的末尾添加0，原地址的内容被改变了但是地址没有变（可以将Python中的list理解为链表，所以这个list的地址不会变，这相当于链表的头结点），所以a和b[0]的内容同时被改变了，这就是为什么对a进行append操作b会跟着发生改变。

发生这些的前提是对同一个地址上的内容进行操作，所以影响了指向该地址的所有变量。

所以，在日常使用append函数的时候，就需要将浅拷贝变为深拷贝，有两个解决方案：

b.append(list(a))

b.append(a[:])

还是上面的例子，来看看这两个方法的结果是不是真的解决了append浅拷贝问题。

>>> a = [1, 3, 5, "a"]
>>> b = []
>>> b.append(list(a))
>>> b
[[1, 3, 5, 'a']]
>>> a.append(0)
>>> a
[1, 3, 5, 'a', 0]
>>> b
[[1, 3, 5, 'a']]

>>> a = [1, 3, 5, "a"]
>>> b = []
>>> b.append(a[:])
>>> b
[[1, 3, 5, 'a']]
>>> a.append(10)
>>> a
[1, 3, 5, 'a', 10]
>>> b
[[1, 3, 5, 'a']]

怎么样，问题是不是解决了！所以日常使用中，一定要避免浅拷贝带来的问题！

这个append的坑，也是我在刷leetcode：77. 组合时注意到的，题解为：

class Solution:
    def combine(self, n: int, k: int) -> List[List[int]]:
        def traversal(n, k, start_index):
            if len(path) == k:
                result.append(path[:])   # 精华在这，要解决这里的浅拷贝问题！
                return
            
            for i in range(start_index, n + 1):
                path.append(i)
                traversal(n, k, i + 1)
                path.pop()
        
        path = []
        result = []
        traversal(n, k, 1)
        return result

如果不处理第5行处的浅拷贝问题，会导致运行处下面的结果：