python copy & deepcopy 区别

[python] view plaincopy

1. import copy  
3. # copy 和 deepcopy 的区别
5. l1 = [1, 2, 3, ['a', 'b']]  
6. # copy 浅复制，不会拷贝其子对象，修改子对象，将受影响
7. l2 = copy.copy(l1)  
9. # deepcopy 深复制，将拷贝其子对象，修改子对象，将不受影响
10. l3 = copy.deepcopy(l1)  
12. l1[3].append('c')  
14. print 'l1:', l1  
15. print 'l2:', l2  
16. print 'l3:', l3  

输出： l1: [1, 2, 3, ['a', 'b', 'c']] l2: [1, 2, 3, ['a', 'b', 'c']]

l3: [1, 2, 3, ['a', 'b']]

讨论copy与deepcopy的区别这个问题要先搞清楚python中的引用、python的内存管理。 python中的一切事物皆为对象，并且规定参数的传递都是对象的引用。可能这样说听起来比较难懂。参考下面一段引用： 1.Python不允许程序员选择采用传值还是传引用。Python参数传递采用的肯定是“传对象引用”的方式。实际上，这种方式相当于传值和传引用的一种综合。如果函数收到的是一个可变对象（比如字典或者列表）的引用，就能修改对象的原始值——相当于通过“传引用”来传递对象。如果函数收到的是一个不可变对象（比如数字、字符或者元组）的引用，就不能直接修改原始对象——相当于通过“传值”来传递对象。 2.当人们复制列表或字典时，就复制了对象列表的引用，如果改变引用的值，则修改了原始的参数。 3.为了简化内存管理，Python通过引用计数机制实现自动垃圾回收功能，Python中的每个对象都有一个引用计数，用来计数该对象在不同场所分别被引用了多少次。每当引用一次Python对象，相应的引用计数就增1，每当消毁一次Python对象，则相应的引用就减1，只有当引用计数为零时，才真正从内存中删除Python对象。 所谓“传值”也就是赋值的意思了。那么python参数传递有什么特殊呢？看例子： >>> seq = [1, 2, 3] >>> seq_2 = seq >>> seq_2.append(4) >>> print seq, seq_2 [1, 2, 3, 4] [1, 2, 3, 4] >>> seq.append(5) >>> print seq, seq_2 [1, 2, 3, 4, 5] [1, 2, 3, 4, 5] 如果按照传统的观念，seq和seq_2这两个变量对应两个不同的存储地址，自然对应不同的值，是毫无关联的，但是在python中确令我们大跌眼镜。再看下面的例子： >>> a = 1 >>> b = a >>> b = 2 >>> print a, b 1 2 >>> c = (1, 2) >>> d = c >>> d = (1, 2, 3) >>> print c, d (1, 2) (1, 2, 3) 显然和上面的例子有冲突吗？看开头引用的话就明白了，当引用的原始对象改变的时候，他俩就没有关系了，也就是说他俩是两个不同对象的引用，对应各自引用计数加减1；而第一个例子中seq和seq_2都是对原始对象[1, 2, 3]这个lis对象的引用，所以不管append()还是pop()都不会改变原始对象，只是改变了它的元素，这样也就不难理解第二个例子了，因为b = 2就是创建了一个新的 int 对象。 接下来再通过例子看copy与deepcopy的区别： >>> seq = [1, 2, 3] >>> seq_1 = seq >>> seq_2 = copy.copy(seq) >>> seq_3 = copy.deepcopy(seq) >>> seq.append(4) >>> print seq, seq_1, seq_2, seq_3 [1, 2, 3, 4] [1, 2, 3, 4] [1, 2, 3] [1, 2, 3] >>> seq_2.append(5) >>> print seq, seq_1, seq_2, seq_3 [1, 2, 3, 4] [1, 2, 3, 4] [1, 2, 3, 5] [1, 2, 3] >>> seq_3.append(6) >>> print seq, seq_1, seq_2, seq_3 [1, 2, 3, 4] [1, 2, 3, 4] [1, 2, 3, 5] [1, 2, 3, 6] 这个例子看不出copy之后和之前的联系，也看不出copy与deepcopy的区别。那么再看： >>> m = [1, ['a'], 2] >>> m_1 = m >>> m_2 = copy.copy(m) >>> m_3 = copy.deepcopy(m) >>> m[1].append('b') >>> print m, m_1, m_2, m_3 [1, ['a', 'b'], 2] [1, ['a', 'b'], 2] [1, ['a', 'b'], 2] [1, ['a'], 2] >>> m_2[1].append('c') >>> print m, m_1, m_2, m_3 [1, ['a', 'b', 'c'], 2] [1, ['a', 'b', 'c'], 2] [1, ['a', 'b', 'c'], 2] [1, ['a'], 2] >>> m_3[1].append('d') >>> print m, m_1, m_2, m_3 [1, ['a', 'b', 'c'], 2] [1, ['a', 'b', 'c'], 2] [1, ['a', 'b', 'c'], 2] [1, ['a', 'd'], 2] 从这就看出来区别了，copy拷贝一个对象，但是对象的属性还是引用原来的，deepcopy拷贝一个对象，把对象里面的属性也做了拷贝，deepcopy之后完全是另一个对象了。再看一个例子： >>> m = [1, [2, 2], [3, 3]] >>> n = copy.copy(m) >>> n[1].append(2) >>> print m, n [1, [2, 2, 2], [3, 3]] [1, [2, 2, 2], [3, 3]] >>> n[1] = 0 >>> print m, n [1, [2, 2, 2], [3, 3]] [1, 0, [3, 3]] >>> n[2].append(3) >>> print m, n [1, [2, 2, 2], [3, 3, 3]] [1, 0, [3, 3, 3]] >>> m[1].pop() 2 >>> print m, n [1, [2, 2], [3, 3, 3]] [1, 0, [3, 3, 3]] >>> m[2].pop() 3 >>> print m, n [1, [2, 2], [3, 3]] [1, 0, [3, 3]] 最后测试你到底掌握没有： l = [] d = {'num': 0, 'sqrt': 0} for x in [1, 2, 3]:      d['num'] = x      d['sqrt'] = x*x      l.append(d) print l