Python如何防止数据被修改Python中的深拷贝与浅拷贝的问题说明
在平时工作中，经常涉及到数据的传递。在数据传递使用过程中，可能会发生数据被修改的问题。为了防止数据被修改，就需要再传递一个副本，即使副本被修改，也不会影响原数据的使用。为了生成这个副本，就产生了拷贝——今天就说一下python中的深拷贝与浅拷贝的问题。
概念解读
数据拷贝会涉及到python中对象、可变类型、引用这3个概念，先来看看这几个概念，只有明白了它们才能更好地理解拷贝到底是怎么一回事。
python对象
在python中，对对象有一种很通俗的说法，万物皆对象。说的就是构造的任何数据类型都是一个对象，无论是数字、字符串、还是函数，甚至是模块、python都对当做对象处理。
所有python对象都拥有三个属性：身份、类型、值。
看一个简单的例子：
in [1]: name =laowang# name对象in [2]: id(name) # id:身份的唯一标识out[2]: 1698668550104in [3]:type(name)# type:对象的类型，决定了该对象可以保存什么类型的值out[3]: strin [4]: name # 对象的值，表示的数据out[4]:'laowang'
可变与不可变对象
在python中，按更新对象的方式，可以将对象分为2大类：可变对象与不可变对象。
可变对象： 列表、字典、集合。所谓可变是指可变对象的值可变，身份是不变的。
不可变对象：数字、字符串、元组。不可变对象就是对象的身份和值都不可变。新创建的对象被关联到原来的变量名，旧对象被丢弃，垃圾回收器会在适当的时机回收这些对象。
in [7]: var1 =pythonin [8]:id(var1)out[8]:1700782038408#由于var1是不可变的，重新创建了java对象，随之id改变，旧对象python会在某个时刻被回收in [9]: var1 =javain [10]:id(var1)out[10]:1700767578296
引用
在python程序中，每个对象都会在内存中申请开辟一块空间来保存该对象，该对象在内存中所在位置的地址被称为引用。在开发程序时，所定义的变量名实际就对象的地址引用。
引用实际就是内存中的一个数字地址编号，在使用对象时，只要知道这个对象的地址，就可以操作这个对象，但是因为这个数字地址不方便在开发时使用和记忆，所以使用变量名的形式来代替对象的数字地址。在python中，变量就是地址的一种表示形式，并不开辟开辟存储空间。
就像 ip 地址，在访问网站时，实际都是通过 ip 地址来确定主机，而 ip 地址不方便记忆，所以使用域名来代替 ip 地址，在使用域名访问网站时，域名被解析成 ip 地址来使用。
通过一个例子来说明变量和变量指向的引用就是一个东西：
in [11]: age =18in [12]:id(age)out[12]:1730306752in [13]:id(18)out[13]:1730306752
逐步深入：引用赋值
上边已经明白，引用就是对象在内存中的数字地址编号，变量就是方便对引用的表示而出现的，变量指向的就是此引用。赋值的本质就是让多个变量同时引用同一个对象的地址。
那么在对数据修改时会发生什么问题呢？
不可变对象的引用赋值
对不可变对象赋值，实际就是在内存中开辟一片空间指向新的对象，原不可变对象不会被修改。原理图如下：
下面通过案例来理解一下：
a与b在内存中都是指向1的引用，所以a、b的引用是相同的。
in [1]: a =1in [2]: b = ain [3]:id(a)out[3]:1730306496in [4]:id(b)out[4]:1730306496
现在再给a重新赋值，看看会发生什么变化？从下面不难看出：当给a赋新的对象时，将指向现在的引用，不在指向旧的对象引用。
in [1]: a =1in [2]: b = ain [5]: a =2in [6]:id(a)out[6]:1730306816in [7]:id(b)out[7]:1730306496
可变对象的引用赋值
可变对象保存的并不是真正的对象数据，而是对象的引用。当对可变对象进行赋值时，只是将可变对象中保存的引用指向了新的对象。原理图如下：
仍然通过一个实例来体会一下，可变对象引用赋值的过程：当改变l1时，整个列表的引用会指新的对象，但是l1与l2都是指向保存的同一个列表的引用，所以引用地址不会变。
in [3]: l1 = [1,2,3]in [4]: l2 = l1in [5]:id(l1)out[5]:1916633584008in [6]:id(l2)out[6]:1916633584008in [7]: l1[0] =11in [8]:id(l1)out[8]:1916633584008in [9]:id(l2)out[9]:1916633584008
主旨详解：浅拷贝、深拷贝
经过前2部分的解读，大家对对象的引用赋值应该有了一个清晰的认识了。那么python中如何解决原始数据在函数传递之后不受影响？这个问题python已经帮我们解决了，使用对象的拷贝或者深拷贝就可以愉快解决了。
下面具体来看看python中的浅拷贝与深拷贝是如何实现的。
浅拷贝
为了解决函数传递后被修改的问题，就需要拷贝一份副本，将副本传递给函数使用，就算是副本被修改，也不会影响原始数据 。
不可变对象的拷贝
不可变对象只在修改的时候才会在内存中开辟新的空间，而拷贝实际上是让多个对象同时指向一个引用，和对象的赋值没区别。
同样的，通过一个实例来感受一下：不难看出，a与b指向相同的引用，不可变对象的拷贝就是对象赋值。
in [11]:importcopyin [12]: a =10in [13]: b =copy.copy(a)in [14]: id(a)out[14]:1730306496in [15]: id(b)out[15]:1730306496
可变对象的拷贝
对于不可变对象的拷贝，对象的引用并没有发生变化，那么可变对象的拷贝会不会和不可变对象一样了？我们接着往下看。
通过下面的实例能看出：可变对象的拷贝会在内存中开辟一个新的空间来保存拷贝的数据。当再改变之前的对象时，对拷贝之后的对象没有任何影响。
in [24]: importcopyin [25]: l1 = [1,2,3]in [26]: l2 =copy.copy(l1)in [27]:id(l1)out[27]:1916631742088in [28]:id(l2)out[28]:1916636282952in [29]: l1[0] =11in [30]:id(l1)out[30]:1916631742088in [31]:id(l2)out[31]:1916636282952
原理图如下：
现在再回到刚才那个问题，是不是浅拷贝就可以解决原始数据在函数传递之后不变的问题了？下面看一个稍微复杂一点的数据结构。
通过下面这个实例可以发现：复杂对象在拷贝时，并没有解决数据在传递之后，数据改变的问题。出现这种原因，是copy() 函数在拷贝对象时只是将指定对象中的所有引用拷贝了一份，如果这些引用当中包含了一个可变对象的话，那么数据还是会被改变。这种拷贝方式，称为浅拷贝。
in [35]: a = [1,2]in [36]: l1 = [3,4, a]in [37]: l2 =copy.copy(l1)in [38]:id(l1)out[38]:1916631704520in [39]:id(l2)out[39]:1916631713736in [40]: a[0] =11in [41]:id(l1)out[41]:1916631704520in [42]:id(l2)out[42]:1916631713736in [43]: l1out[43]: [3,4, [11,2]]in [44]: l2out[44]: [3,4, [11,2]]
原理图如下：
对于上边这种状况，python还提供了另一种拷贝方式（深拷贝）来解决。
深拷贝
区别于浅拷贝只拷贝顶层引用，深拷贝会逐层进行拷贝，直到拷贝的所有引用都是不可变引用为止。
接下来我们看看，要是将上边的拷贝实例用使用深拷贝的话，原始数据改变的问题还会不会存在了？
下面的实例清楚地告诉我们：之前的问题就可以完美解决了。
importcopyl1 = [3,4, a]in [47]: l2 =copy.deepcopy(li)in [48]:id(l1)out[48]:1916632194312in [49]:id(l2)out[49]:1916634281416in [50]: a[0] =11in [51]:id(l1)out[51]:1916632194312in [52]:id(l2)out[52]:1916634281416in [54]: l1out[54]: [3,4, [11,2]]in [55]: l2out[55]: [[1, 2], 3, 4]
原理图如下：
查漏补缺
为什么python默认的拷贝方式是浅拷贝？
时间角度：浅拷贝花费时间更少；
空间角度：浅拷贝花费内存更少；
效率角度：浅拷贝只拷贝顶层数据，一般情况下比深拷贝效率高。
本文知识点总结：
不可变对象在赋值时会开辟新空间；
可变对象在赋值时，修改一个的值，另一个也会发生改变；
深、浅拷贝对不可变对象拷贝时，不开辟新空间，相当于赋值操作；
浅拷贝在拷贝时，只拷贝第一层中的引用，如果元素是可变对象，并且被修改，那么拷贝的对象也会发生变化；
深拷贝在拷贝时会逐层进行拷贝，直到所有的引用都是不可变对象为止；
python中有多种方式实现浅拷贝，copy模块的copy函数、对象的copy函数、工厂方法、切片等；
大多数情况下，编写程序时都是使用浅拷贝，除非有特定的需求；
浅拷贝的优点：拷贝速度快，占用空间少，拷贝效率高。
这些工业通信IC是老式的，但有充分的理由
5G将提前商用 车联网的黄金时代即将到来
高速DAC中几种数字信号处理详解
蔚来汽车公开表示合作伙伴江淮汽车已启动扩建
量子点电视优缺点
Python如何防止数据被修改Python中的深拷贝与浅拷贝的问题说明
政策推动企业数字化转型,企业数字化服务需求增长空间巨大
Panasonic Smart Wi-Fi LED灯泡上镶嵌有多种颜色的照明选项
智能电网：“5G+AI”一小时顶上人工巡视3天的工作
新唐科技NUC130VE3CN主板简介
7种server的服务器处理结构模型
石墨烯电池技术详细介绍
小米6评测：配置强大外观出色，但为什么没有现货呢？这才是真正的原因
华硕轻薄长效本UL30Vt
空客预计未来20年波音新中型飞机的市场份额大约为2500架
芯和半导体多项技术演示亮相SFF和SAFE™ Forum 2023
软件定义广域网得到AIOps大力推动
三相四线制的缺相保护电路
如何远程管理服务器
工业互联网安全威胁分析
概念解读
数据拷贝会涉及到python中对象、可变类型、引用这3个概念，先来看看这几个概念，只有明白了它们才能更好地理解拷贝到底是怎么一回事。
python对象
在python中，对对象有一种很通俗的说法，万物皆对象。说的就是构造的任何数据类型都是一个对象，无论是数字、字符串、还是函数，甚至是模块、python都对当做对象处理。
所有python对象都拥有三个属性：身份、类型、值。
看一个简单的例子：
in [1]: name =laowang# name对象in [2]: id(name) # id:身份的唯一标识out[2]: 1698668550104in [3]:type(name)# type:对象的类型，决定了该对象可以保存什么类型的值out[3]: strin [4]: name # 对象的值，表示的数据out[4]:'laowang'
可变与不可变对象
在python中，按更新对象的方式，可以将对象分为2大类：可变对象与不可变对象。
可变对象： 列表、字典、集合。所谓可变是指可变对象的值可变，身份是不变的。
不可变对象：数字、字符串、元组。不可变对象就是对象的身份和值都不可变。新创建的对象被关联到原来的变量名，旧对象被丢弃，垃圾回收器会在适当的时机回收这些对象。
in [7]: var1 =pythonin [8]:id(var1)out[8]:1700782038408#由于var1是不可变的，重新创建了java对象，随之id改变，旧对象python会在某个时刻被回收in [9]: var1 =javain [10]:id(var1)out[10]:1700767578296
引用
在python程序中，每个对象都会在内存中申请开辟一块空间来保存该对象，该对象在内存中所在位置的地址被称为引用。在开发程序时，所定义的变量名实际就对象的地址引用。
引用实际就是内存中的一个数字地址编号，在使用对象时，只要知道这个对象的地址，就可以操作这个对象，但是因为这个数字地址不方便在开发时使用和记忆，所以使用变量名的形式来代替对象的数字地址。在python中，变量就是地址的一种表示形式，并不开辟开辟存储空间。
就像 ip 地址，在访问网站时，实际都是通过 ip 地址来确定主机，而 ip 地址不方便记忆，所以使用域名来代替 ip 地址，在使用域名访问网站时，域名被解析成 ip 地址来使用。
通过一个例子来说明变量和变量指向的引用就是一个东西：
in [11]: age =18in [12]:id(age)out[12]:1730306752in [13]:id(18)out[13]:1730306752
逐步深入：引用赋值
上边已经明白，引用就是对象在内存中的数字地址编号，变量就是方便对引用的表示而出现的，变量指向的就是此引用。赋值的本质就是让多个变量同时引用同一个对象的地址。
那么在对数据修改时会发生什么问题呢？
不可变对象的引用赋值
对不可变对象赋值，实际就是在内存中开辟一片空间指向新的对象，原不可变对象不会被修改。原理图如下：
下面通过案例来理解一下：
a与b在内存中都是指向1的引用，所以a、b的引用是相同的。
in [1]: a =1in [2]: b = ain [3]:id(a)out[3]:1730306496in [4]:id(b)out[4]:1730306496
现在再给a重新赋值，看看会发生什么变化？从下面不难看出：当给a赋新的对象时，将指向现在的引用，不在指向旧的对象引用。
in [1]: a =1in [2]: b = ain [5]: a =2in [6]:id(a)out[6]:1730306816in [7]:id(b)out[7]:1730306496
可变对象的引用赋值
可变对象保存的并不是真正的对象数据，而是对象的引用。当对可变对象进行赋值时，只是将可变对象中保存的引用指向了新的对象。原理图如下：
仍然通过一个实例来体会一下，可变对象引用赋值的过程：当改变l1时，整个列表的引用会指新的对象，但是l1与l2都是指向保存的同一个列表的引用，所以引用地址不会变。
in [3]: l1 = [1,2,3]in [4]: l2 = l1in [5]:id(l1)out[5]:1916633584008in [6]:id(l2)out[6]:1916633584008in [7]: l1[0] =11in [8]:id(l1)out[8]:1916633584008in [9]:id(l2)out[9]:1916633584008
主旨详解：浅拷贝、深拷贝
经过前2部分的解读，大家对对象的引用赋值应该有了一个清晰的认识了。那么python中如何解决原始数据在函数传递之后不受影响？这个问题python已经帮我们解决了，使用对象的拷贝或者深拷贝就可以愉快解决了。
下面具体来看看python中的浅拷贝与深拷贝是如何实现的。
浅拷贝
为了解决函数传递后被修改的问题，就需要拷贝一份副本，将副本传递给函数使用，就算是副本被修改，也不会影响原始数据 。
不可变对象的拷贝
不可变对象只在修改的时候才会在内存中开辟新的空间，而拷贝实际上是让多个对象同时指向一个引用，和对象的赋值没区别。
同样的，通过一个实例来感受一下：不难看出，a与b指向相同的引用，不可变对象的拷贝就是对象赋值。
in [11]:importcopyin [12]: a =10in [13]: b =copy.copy(a)in [14]: id(a)out[14]:1730306496in [15]: id(b)out[15]:1730306496
可变对象的拷贝
对于不可变对象的拷贝，对象的引用并没有发生变化，那么可变对象的拷贝会不会和不可变对象一样了？我们接着往下看。
通过下面的实例能看出：可变对象的拷贝会在内存中开辟一个新的空间来保存拷贝的数据。当再改变之前的对象时，对拷贝之后的对象没有任何影响。
in [24]: importcopyin [25]: l1 = [1,2,3]in [26]: l2 =copy.copy(l1)in [27]:id(l1)out[27]:1916631742088in [28]:id(l2)out[28]:1916636282952in [29]: l1[0] =11in [30]:id(l1)out[30]:1916631742088in [31]:id(l2)out[31]:1916636282952
原理图如下：
现在再回到刚才那个问题，是不是浅拷贝就可以解决原始数据在函数传递之后不变的问题了？下面看一个稍微复杂一点的数据结构。
通过下面这个实例可以发现：复杂对象在拷贝时，并没有解决数据在传递之后，数据改变的问题。出现这种原因，是copy() 函数在拷贝对象时只是将指定对象中的所有引用拷贝了一份，如果这些引用当中包含了一个可变对象的话，那么数据还是会被改变。这种拷贝方式，称为浅拷贝。
in [35]: a = [1,2]in [36]: l1 = [3,4, a]in [37]: l2 =copy.copy(l1)in [38]:id(l1)out[38]:1916631704520in [39]:id(l2)out[39]:1916631713736in [40]: a[0] =11in [41]:id(l1)out[41]:1916631704520in [42]:id(l2)out[42]:1916631713736in [43]: l1out[43]: [3,4, [11,2]]in [44]: l2out[44]: [3,4, [11,2]]
原理图如下：
对于上边这种状况，python还提供了另一种拷贝方式（深拷贝）来解决。
深拷贝
区别于浅拷贝只拷贝顶层引用，深拷贝会逐层进行拷贝，直到拷贝的所有引用都是不可变引用为止。
接下来我们看看，要是将上边的拷贝实例用使用深拷贝的话，原始数据改变的问题还会不会存在了？
下面的实例清楚地告诉我们：之前的问题就可以完美解决了。
importcopyl1 = [3,4, a]in [47]: l2 =copy.deepcopy(li)in [48]:id(l1)out[48]:1916632194312in [49]:id(l2)out[49]:1916634281416in [50]: a[0] =11in [51]:id(l1)out[51]:1916632194312in [52]:id(l2)out[52]:1916634281416in [54]: l1out[54]: [3,4, [11,2]]in [55]: l2out[55]: [[1, 2], 3, 4]
原理图如下：
查漏补缺
为什么python默认的拷贝方式是浅拷贝？
时间角度：浅拷贝花费时间更少；
空间角度：浅拷贝花费内存更少；
效率角度：浅拷贝只拷贝顶层数据，一般情况下比深拷贝效率高。
本文知识点总结：
不可变对象在赋值时会开辟新空间；
可变对象在赋值时，修改一个的值，另一个也会发生改变；
深、浅拷贝对不可变对象拷贝时，不开辟新空间，相当于赋值操作；
浅拷贝在拷贝时，只拷贝第一层中的引用，如果元素是可变对象，并且被修改，那么拷贝的对象也会发生变化；
深拷贝在拷贝时会逐层进行拷贝，直到所有的引用都是不可变对象为止；
python中有多种方式实现浅拷贝，copy模块的copy函数、对象的copy函数、工厂方法、切片等；
大多数情况下，编写程序时都是使用浅拷贝，除非有特定的需求；
浅拷贝的优点：拷贝速度快，占用空间少，拷贝效率高。
这些工业通信IC是老式的，但有充分的理由
5G将提前商用 车联网的黄金时代即将到来
高速DAC中几种数字信号处理详解
蔚来汽车公开表示合作伙伴江淮汽车已启动扩建
量子点电视优缺点
Python如何防止数据被修改Python中的深拷贝与浅拷贝的问题说明
政策推动企业数字化转型,企业数字化服务需求增长空间巨大
Panasonic Smart Wi-Fi LED灯泡上镶嵌有多种颜色的照明选项
智能电网：“5G+AI”一小时顶上人工巡视3天的工作
新唐科技NUC130VE3CN主板简介
7种server的服务器处理结构模型
石墨烯电池技术详细介绍
小米6评测：配置强大外观出色，但为什么没有现货呢？这才是真正的原因
华硕轻薄长效本UL30Vt
空客预计未来20年波音新中型飞机的市场份额大约为2500架
芯和半导体多项技术演示亮相SFF和SAFE™ Forum 2023
软件定义广域网得到AIOps大力推动
三相四线制的缺相保护电路
如何远程管理服务器
工业互联网安全威胁分析