Python对象浅拷贝与深拷贝区别详解

Python中对象拷贝的三种方式——赋值（仅新增引用）、浅拷贝（仅复制第一层，嵌套可变对象仍共享）和深拷贝（递归复制全部层级，彻底隔离对象图）——看似简单却极易踩坑：一个`shallow[0].append(3)`就可能意外污染原数据，而盲目使用`deepcopy`又可能触发循环引用错误、性能瓶颈或对不可序列化对象（如文件句柄）直接失败；真正关键的是理解“拷贝深度”取决于运行时对象图结构而非代码缩进，并学会用`id()`分层验证独立性——掌握这些，才能在配置管理、函数参数传递、类实例初始化等高频场景中避免隐蔽的共享副作用。

浅拷贝只复制第一层引用，嵌套对象仍共享

当你用 copy.copy() 或切片（如 list[:] ）、dict.copy() 创建副本时，新对象本身是独立的，但其内部的可变对象（比如嵌套的 list、dict、自定义类实例）仍然指向原对象的同一内存地址。这意味着修改嵌套项会同时影响原对象和副本。

典型错误现象：original = [[1, 2], {'a': 3}]; shallow = copy.copy(original); shallow[0].append(3); print(original) # 输出 [[1, 2, 3], {'a': 3}]

• 适用场景：确定对象结构扁平，或明确需要共享内部状态（如缓存配置中的只读子结构）
• 注意 list[:] 和 list.copy() 效果等价，但仅对 list 有效；dict.copy() 同理，不适用于嵌套 dict
• 自定义类若未实现 __copy__，copy.copy() 默认逐字段复制，同样只做浅层处理

深拷贝递归复制所有层级，彻底隔离对象图

copy.deepcopy() 会递归遍历整个对象图，为每个可变子对象创建新实例，并维护引用关系。它能真正切断原对象与副本之间的所有共享连接。

但要注意：它无法处理循环引用（如 A 持有 B，B 又持有 A），此时会抛出 RecursionError；另外，对含文件句柄、线程锁、数据库连接等不可序列化对象会失败，报 TypeError。

• 性能开销明显更高，尤其在大数据结构或深层嵌套时，应避免无脑使用
• 某些内置类型（如 int、str、tuple）在深拷贝中会被复用，因为它们不可变，无需新建
• 若类自定义了 __deepcopy__，该方法会被优先调用，可用于控制特定字段是否深拷贝

哪些操作根本不是拷贝？只是多了一个引用

赋值语句 b = a 从不创建新对象，只是让 b 指向 a 当前所指的对象。后续对可变对象的任何 in-place 修改（如 .append()、+=、键赋值）都会反映在两者上。

常见误判场景：

• 函数参数传递：Python 全是“对象引用传递”，传入可变对象后在函数内修改，外部变量也会看到变化
• 类属性误当实例属性用：若在 class 定义里写 data = []，所有实例共享这个 list，不是每个实例一份副本
• json.loads() 返回的是全新对象，但它只作用于 JSON 支持的类型（dict/list/str/int/float/bool/None），且会丢弃原对象的方法、类型信息

如何判断两个对象是否真正独立？

不能只看 ==（内容相等）或 is（同一对象），而要分层验证：

• 顶层用 id(a) != id(b) 确认不是同一对象
• 对每个嵌套可变项（如 a[0]、a['cfg']），再用 id() 对比对应位置的副本项
• 更稳妥的方式是修改副本的某嵌套项后，检查原对象对应位置是否未变
• 注意：copy.deepcopy() 对不可变对象（如 str）返回原对象本身（id 相同），这是正常行为，不代表没深拷贝

真正容易被忽略的是：深拷贝的“深度”取决于对象图的实际结构，而非代码嵌套层数；而浅拷贝的“浅”也并非绝对——它对不可变对象天然安全，问题只出在可变嵌套上。

终于介绍完啦！小伙伴们，这篇关于《Python对象浅拷贝与深拷贝区别详解》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！