Python对象浅拷贝与深拷贝区别详解

Python中浅拷贝与深拷贝的核心区别在于引用关系的处理：浅拷贝仅复制对象的第一层结构，嵌套的可变子对象（如列表、字典）仍共享内存地址，修改子对象会影响原副本；而深拷贝则递归复制所有层级，生成完全独立的副本，但带来显著的性能与内存开销，且可能因循环引用或不可序列化对象而失败；实践中，切片（`[:]`）和`dict.copy()`是高效轻量的浅拷贝方式，而判断是否真正独立必须依赖`is`或`id()`而非`==`——因为值相等不等于引用隔离，尤其在涉及小整数、短字符串等Python内部优化对象时更易误判；最终选择应基于实际需求：若只需顶层隔离或有意共享子状态，浅拷贝更优；若需多层数据彻底解耦（如配置快照、测试隔离），才应谨慎使用深拷贝。

浅拷贝 copy.copy() 只复制第一层引用

它不递归处理嵌套对象，原对象里有列表、字典、自定义类实例时，这些子对象的内存地址会被直接复用。改子对象，新旧对象都会看到变化。

适用场景：只有一层结构，比如纯数字、字符串、元组组成的列表；或者你明确希望共享子对象状态（比如缓存句柄）。

• copy.copy() 对 list、dict、set 有效，但对 tuple 返回自身（因为不可变）
• 自定义类没实现 __copy__ 时，copy.copy() 会调用构造器并逐个赋值属性——但属性值本身仍按浅规则处理
• 常见错误：以为 copy.copy(my_list) 后修改 my_list[0].append(1) 不会影响副本，结果发现影响了——因为 my_list[0] 是个列表，被共用了

深拷贝 copy.deepcopy() 递归复制所有层级

它会为每个嵌套对象都分配新内存，彻底切断引用链。代价是速度慢、内存多，且可能触发循环引用报错 RecursionError: maximum recursion depth exceeded。

适用场景：数据结构含多层嵌套，且各层都需要独立修改；或要保存某时刻完整快照（如配置回滚、测试前后隔离）。

• deepcopy 会跳过文件对象、线程锁等不可序列化类型，抛出 TypeError
• 遇到自定义类时，优先调用其 __deepcopy__ 方法；没有则尝试重建实例 + 深拷贝每个属性值
• 性能提示：对含大量重复子对象的结构（比如树节点反复引用同一默认配置），deepcopy 会重复创建，不如手动复用

切片和 dict.copy() 是浅拷贝的“快捷写法”

它们不是语言关键字，而是特定类型的内置方法，行为与 copy.copy() 一致，但更轻量、更常用。

比如 new_list = old_list[:] 和 new_dict = old_dict.copy() 都只拷贝顶层容器，内部元素引用不变。

• list[:] 在 Python 3.10+ 中比 copy.copy() 快约 2 倍，但仅限于列表
• dict.copy() 比 copy.copy() 稳定：后者在某些老版本 CPython 中对空 dict 有异常路径
• 陷阱：new_list = list(old_list) 看似构造新对象，实际也是浅拷贝——和 old_list[:] 效果相同

判断是否真独立：用 id() 和 is 检查引用

别靠打印值来验证拷贝效果，得看内存地址。尤其当子对象是小整数（-5 到 256）、短字符串时，Python 会自动复用对象，== 相等不代表引用相同，is 才是关键。

示例：

import copy
a = [[1, 2], {'x': 3}]
b = copy.copy(a)
c = copy.deepcopy(a)
print(id(a[0]) == id(b[0]))  # True ← 浅拷贝，子列表共用
print(id(a[0]) == id(c[0]))  # False ← 深拷贝，子列表新建

• 对可变对象，必须用 is 或 id() 对比；== 只比较内容，会掩盖引用问题
• 注意：is 在交互式环境里对刚创建的小整数可能返回 True，换行再试就变 False——这是 Python 的临时对象优化，不是拷贝逻辑出错

实际用的时候，到底选浅还是深，不取决于“听起来哪个更安全”，而取决于你是否需要切断某一层的引用。多数时候，明确知道哪几层要隔离，比无脑 deepcopy 更可靠。

今天关于《Python对象浅拷贝与深拷贝区别详解》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！