Python中的浅拷贝和深拷贝
如果要将一个数据赋给另一个数据要怎么做呢？最直观的一种方法是使用
=，另一种方法使用copy(),另一种是使用copy库中的deepcopy()。那么这三种方法有什么区别呢？下面我们通过图示的方法来看一下。
1. Python中的浅拷贝
1.1 = 赋值
假设定义一个三维数组a = [1,2,3, [1,2,3, [5,6,7]]]，如果使用=将其赋给另一个变量b，那么a和b会有什么不同呢？
从上图可以看出，a和b指向的是同样的地址，而且通过id()来获取内存空间的地址进行比较也验证了我们的想法。这样就导致一个问题，当a或b中有一个对数组元素进行了改变，另一个数组的元素也会随之发生改变。这是因为=传递的是对象的地址，当使用它急性拷贝时，实际上就是让两个变量指向了同一块地址空间，因此它们拥有的东西自然就是相同的了。
1.2 copy()
如果使用copy()进行拷贝，原变量和拷贝得到的变量会有什么区别呢？
从上图可以看到，数组最外层的东西在内存空间进行了复制，因此它们指向的是不同的内存空间。这从id()的结果也可以看出，它们的内存空间地址是不同。但是除去最外层之外，其他的东西仍然是相同的，它们拥有的东西是一样的。因此，当两个变量改变最外层的元素时，它们两个是互不影响的；而当它们改变内层的元素时，其中一个改变会直接影响另一个。
这是因为使用copy()的浅拷贝是对一个对象父级（外层）的拷贝，并不会拷贝子级（内部）。对于外层数据来说又有两种情况：
- 如果最外层的数据类型是可变的，比如说列表，字典等，浅拷贝会开启新的地址空间去存放
- 如果最外层的数据类型是不可变的，比如元组，字符串等，浅拷贝对象的时候，还是引用对象的地址空间。这是因为，不可变对象无法更改，在复制一份数据的意义不大
2. Python中的深拷贝
Python中的深拷贝需要依赖于copy库中的deepcopy()，那么它和浅拷贝的结果有什么不同呢？
从上图中可以看出，深拷贝对于不同层次上的数据都进行了复制，它得到的结果从外到内和之前的变量指向的东西是完全不同的。因此其中一个任意位置元素的更新都不会影响另一个，因此它们所拥有的是完全不同的两个东西。
同样深拷贝也分两种情况：
- 最外层数据类型可变：此时内部和外部数据都会进行拷贝
- 最外层数据类型不可变：
- 如果里面是可变数据类型，会新开辟地址空间存放，如上所示
- 如果内部数据类型不可变，如同浅拷贝一样进行引用地址的传递