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：
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] = 4n[2][0] = 5print(m) m 的结果是什么？
正确答案是 [1, 2, [5]]，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 = mprint('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] = -1print(m)n[2][1] = -1print(m) 输出
m: 4564554888[4556507504, 4556507536, 4564554760, 4564555016]n: 4564554888[4556507504, 4556507536, 4564554760, 4564555016]TrueTrueTrue[-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 copym = [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] = -1print(m)n[2][1] = -1print(m) 输出
m: 4340253832[4333009264, 4333009296, 4340253704, 4340253960]n: 4340268104[4333009264, 4333009296, 4340253704, 4340253960]FalseTrueTrue[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 deepcopym = [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] = -1print(m)n[2][1] = -1print(m) 输出
m: 4389131400[4381886832, 4381886864, 4389131272, 4389131528]n: 4389131208[4381886832, 4381886864, 4389131656, 4389145736]FalseTrueFalse[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 deepcopym = [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：
from copy import deepcopya = [3, 4]m = [1, 2, a, [5, a]]n = deepcopy(m)n[3][1][0] = -1print(n) 深拷贝后的 n，修改了其中一个元素值，会是怎样的效果？
思考一下输出会是什么？
然后自己在电脑上或者我们的在线编辑器 里输入代码运行下看看结果，再想想为什么。
欢迎留言给出你的解释。
════
其他文章及回答：
| | | | | | | | | |
欢迎搜索及关注：Crossin的编程教室
