进来了解一下python的深浅拷贝

深浅拷贝是什么：在Python中，理解深拷贝（deep copy）和浅拷贝（shallow copy）对于处理复杂的数据结构，如列表、字典或自定义对象，是非常重要的。这两种拷贝方式决定了数据在内存中的复制方式，进而影响程序的运行结果

浅拷贝：

1. 浅拷贝的定义：

浅拷贝是一种复制操作，它创建一个新对象，并将原对象的内容复制到新对象中。对于原对象内部的子对象，浅拷贝不会递归地复制它们，而是直接引用这些子对象。因此，浅拷贝后的对象和原对象共享内部的子对象。

2. 浅拷贝的实现方式

（1）使用 `copy` 模块的 `copy()` 函数

import copy

original_list = [1, 2, [3, 4]]
shallow_copied_list = copy.copy(original_list)

（2）使用列表、字典等数据结构的工厂函数

original_list = [1, 2, [3, 4]]
shallow_copied_list = list(original_list)  # 列表的工厂函数

（3）使用切片操作（适用于列表）

original_list = [1, 2, [3, 4]]
shallow_copied_list = original_list[:]  # 切片操作

（4）使用字典的 `copy()` 方法

original_dict = {'a': 1, 'b': [2, 3]}
shallow_copied_dict = original_dict.copy()  # 字典的 copy() 方法

3.浅拷贝的特点

新对象，旧引用：浅拷贝会创建一个新对象，但对象内部的子对象仍然是原对象中子对象的引用。
共享子对象：如果原对象包含可变子对象（如列表、字典等），修改这些子对象会影响浅拷贝后的对象。
性能较高：由于浅拷贝不会递归复制子对象，因此它的性能比深拷贝更高。

4. 浅拷贝的示例

示例 1：修改浅拷贝后的对象

import copy

original_list = [1, 2, [3, 4]]
shallow_copied_list = copy.copy(original_list)

# 修改浅拷贝后的对象
shallow_copied_list[0] = 100
shallow_copied_list[2][0] = 300

print("Original List:", original_list)
print("Shallow Copied List:", shallow_copied_list)

输出

Original List: [1, 2, [300, 4]]
Shallow Copied List: [100, 2, [300, 4]]

解释：

修改 shallow_copied_list[0] 不会影响 original_list，因为这是对新对象本身的修改。
修改 shallow_copied_list[2][0] 会影响 original_list，因为内部的子列表是共享的。

示例 2：使用切片操作实现浅拷贝

original_list = [1, 2, [3, 4]]
shallow_copied_list = original_list[:]

# 修改浅拷贝后的对象
shallow_copied_list[0] = 100
shallow_copied_list[2][0] = 300

print("Original List:", original_list)
print("Shallow Copied List:", shallow_copied_list)

输出

Original List: [1, 2, [300, 4]]
Shallow Copied List: [100, 2, [300, 4]]

示例 3：字典的浅拷贝

original_dict = {'a': 1, 'b': [2, 3]}
shallow_copied_dict = original_dict.copy()

# 修改浅拷贝后的字典
shallow_copied_dict['a'] = 100
shallow_copied_dict['b'][0] = 200

print("Original Dict:", original_dict)
print("Shallow Copied Dict:", shallow_copied_dict)

输出

Original Dict: {'a': 1, 'b': [200, 3]}
Shallow Copied Dict: {'a': 100, 'b': [200, 3]}

解释：

修改 shallow_copied_dict['a'] 不会影响 original_dict，因为这是对新对象本身的修改。
修改 shallow_copied_dict['b'][0] 会影响 original_dict，因为内部的列表是共享的。

5. 浅拷贝的适用场景

浅拷贝适用于以下场景：

对象内部没有嵌套的可变对象：如果对象内部只包含不可变对象（如整数、字符串、元组等），浅拷贝是安全的。
性能要求较高：浅拷贝的性能比深拷贝更高，因为它不会递归复制子对象。
共享子对象是期望的行为：如果你希望拷贝后的对象和原对象共享某些子对象，浅拷贝是一个合适的选择。

6. 浅拷贝的注意事项

共享子对象的风险：如果原对象包含可变子对象，修改这些子对象会影响浅拷贝后的对象。如果不希望共享子对象，应该使用深拷贝。
不可变对象的特殊性：对于不可变对象（如整数、字符串、元组等），浅拷贝和深拷贝的行为是相同的，因为不可变对象不能被修改。

深拷贝：

深拷贝（Deep Copy）是Python中一种递归复制对象的方式，它会创建一个新对象，并递归地复制原对象内部的所有子对象。这意味着深拷贝后的对象与原对象完全独立，修改其中一个不会影响另一个。深拷贝适用于需要完全独立副本的场景，尤其是当对象内部包含嵌套的可变对象时。

1. 深拷贝的定义

深拷贝是一种递归复制操作，它创建一个新对象，并递归地复制原对象内部的所有子对象。深拷贝后的对象与原对象完全独立，即使原对象包含嵌套的可变对象（如列表、字典等），修改其中一个对象也不会影响另一个。

2. 深拷贝的实现方式

在Python中，可以通过 copy 模块的 deepcopy() 函数实现深拷贝。

使用 `copy.deepcopy()` 函数

3. 深拷贝的特点

完全独立：深拷贝后的对象与原对象完全独立，修改其中一个不会影响另一个。
递归复制：深拷贝会递归地复制对象内部的所有子对象，包括嵌套的可变对象。
性能较低：由于深拷贝需要递归复制所有子对象，因此它的性能比浅拷贝低，尤其是在处理大型或复杂的嵌套结构时。

4. 深拷贝的示例

通过以下示例，可以更好地理解深拷贝的行为。

示例 1：修改深拷贝后的对象

输出：

Original List: [1, 2, [3, 4]]
Deep Copied List: [100, 2, [300, 4]]

解释：

修改 deep_copied_list[0] 不会影响 original_list，因为这是对新对象本身的修改。
修改 deep_copied_list[2][0] 也不会影响 original_list，因为深拷贝递归复制了内部的子列表，两个列表是完全独立的。
示例 2：嵌套字典的深拷贝

输出：

Original Dict: {'name': 'Alice', 'details': {'age': 25, 'hobbies': ['reading', 'traveling']}}
Deep Copied Dict: {'name': 'Alice', 'details': {'age': 30, 'hobbies': ['reading', 'traveling', 'cooking']}}

解释：

修改 deep_copied_dict 中的嵌套字典和列表不会影响 original_dict，因为深拷贝递归复制了所有子对象。

示例 3：自定义对象的深拷贝

输出

解释：

修改 person2 的 name 和 friends 不会影响 person1，因为深拷贝递归复制了所有属性。

5. 深拷贝的适用场景

深拷贝适用于以下场景：
需要完全独立的副本：当对象内部包含嵌套的可变对象时，深拷贝可以确保副本与原对象完全独立。
复杂的数据结构：如嵌套的列表、字典、自定义对象等。
避免副作用：在函数中传递复杂对象时，深拷贝可以避免意外修改原对象。

6. 深拷贝的注意事项
性能开销：深拷贝需要递归复制所有子对象，因此在处理大型或复杂的嵌套结构时，性能开销较大。
循环引用问题：如果对象之间存在循环引用（如对象A引用对象B，对象B又引用对象A），深拷贝可能会导致栈溢出或无限递归。Python的 copy.deepcopy() 函数已经处理了循环引用问题，但在自定义深拷贝逻辑时需要注意。

7. 深拷贝的实现原理

Python的 copy.deepcopy() 函数通过递归遍历对象的所有属性来实现深拷贝。它会维护一个备忘录（memo）来记录已经复制的对象，从而避免循环引用导致的无限递归。

深浅拷贝的实际应用：

深浅拷贝在实际编程中有广泛的应用，尤其是在处理复杂数据结构或需要确保数据独立性时。以下是一些常见的应用场景和示例，帮助你更好地理解它们的实际用途。

1. 数据处理与修改

在处理数据时，尤其是嵌套的数据结构（如列表嵌套列表、字典嵌套字典等），你可能需要在不影响原始数据的情况下对数据进行修改或分析。这时，深拷贝非常有用。

import copy

# 原始数据
original_data = {
    'name': 'Alice',
    'scores': [90, 85, 88],
    'details': {'age': 25, 'city': 'New York'}
}

# 深拷贝数据
copied_data = copy.deepcopy(original_data)

# 修改拷贝后的数据
copied_data['scores'][0] = 95
copied_data['details']['city'] = 'San Francisco'

# 原始数据不受影响
print("Original Data:", original_data)
print("Copied Data:", copied_data)

应用场景：

数据备份与恢复。
数据预处理（如修改数据后用于机器学习模型训练，而不影响原始数据）。

2. 配置管理

在程序中，配置通常以字典或嵌套字典的形式存储。如果你需要基于某个默认配置生成多个独立的配置，深拷贝可以确保每个配置之间互不干扰。

import copy

# 默认配置
default_config = {
    'debug': False,
    'database': {
        'host': 'localhost',
        'port': 3306
    }
}

# 创建多个独立配置
config_1 = copy.deepcopy(default_config)
config_2 = copy.deepcopy(default_config)

# 修改配置
config_1['database']['host'] = '192.168.1.1'
config_2['debug'] = True

print("Config 1:", config_1)
print("Config 2:", config_2)

应用场景：

多环境配置（开发、测试、生产）。
动态生成多个独立的配置。

3. 对象复制与状态管理

在面向对象编程中，对象可能包含嵌套的对象或复杂的状态。如果你需要复制一个对象并确保新对象的状态独立于原对象，深拷贝是必要的。

import copy

class Player:
    def __init__(self, name, level):
        self.name = name
        self.level = level
        self.inventory = []

    def add_item(self, item):
        self.inventory.append(item)

# 创建玩家对象
player1 = Player("Alice", 10)
player1.add_item("Sword")
player1.add_item("Shield")

# 深拷贝玩家对象
player2 = copy.deepcopy(player1)

# 修改拷贝后的对象
player2.name = "Bob"
player2.add_item("Bow")

# 查看两个对象的状态
print(f"Player 1: {player1.name}, {player1.inventory}")
print(f"Player 2: {player2.name}, {player2.inventory}")

应用场景：

游戏开发中复制角色或物品。

状态快照与恢复（如撤销操作）。

4. 避免副作用

def process_data(data):
    # 浅拷贝数据以避免修改原始数据
    data_copy = data.copy()
    data_copy.append("Processed")
    return data_copy

original_data = [1, 2, 3]
result = process_data(original_data)

print("Original Data:", original_data)
print("Result:", result)

应用场景：