大家都是拷贝，凭什么你这么秀？

news2025/2/28 7:03:14

入门教程、案例源码、学习资料、读者群

请访问： python666.cn

大家好，欢迎来到 Crossin的编程教室！

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：

Python常见问题：全局变量和局部变量
Python到底是引用传递还是值传递？网上大多数教程都讲错了
继续打脸水货教程：关于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：

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

m 的结果是什么？

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）：

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

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：

n = m

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：

m = [1, 2, [3, 4], [5, [6, 7]]]
print('m:', id(m))
print([id(i) for i in m])
n = m
print('n:', id(n))
print([id(i) for i in n])
print(n is m)
print(n[0] is m[0])
print(n[2] is m[2])
n[0] = -1
print(m)
n[2][1] = -1
print(m)

输出

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

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：

from copy import copy
m = [1, 2, [3, 4], [5, [6, 7]]]
print('m:', id(m))
print([id(i) for i in m])
n = copy(m)
print('n:', id(n))
print([id(i) for i in n])
print(n is m)
print(n[0] is m[0])
print(n[2] is m[2])
n[0] = -1
print(m)
n[2][1] = -1
print(m)

输出

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

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）：

from copy import deepcopy
m = [1, 2, [3, 4], [5, [6, 7]]]
print('m:', id(m))
print([id(i) for i in m])
n = deepcopy(m)
print('n:', id(n))
print([id(i) for i in n])
print(n is m)
print(n[0] is m[0])
print(n[2] is m[2])
n[0] = -1
print(m)
n[2][1] = -1
print(m)

输出

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

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：

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

输出

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

最后，还是给各位留个思考题：

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

欢迎在评论区留下你的答案。

说个事儿：Crossin的新书《码上行动：零基础学会Python编程（ChatGPT版）》马上就要正式跟大家见面了。

本书力求做到浅显易懂，让完全没有编程经验的零基础“小白”也能学会Python。全书共 17 章，涵盖了Python的环境搭建、基础语法、常见数据类型、实用模块、正则表达式、面向对象编程、多任务编程等方面的知识点。另外还提供了爬虫、GUI、游戏三个实战项目。书中还创新地使用 ChatGPT 作为编程学习的辅助，带领读者探索AI时代下学习编程的新模式。

公众号的读者朋友购买后可在后台联系我，加入读者交流群，我会解答你在阅读本书时的一切疑问。

目前当当正在5折预售中，扫描下方图片二维码可提前预订。