在平常组织工作中，时常牵涉到统计数据的传达，在统计数据传达采用操作过程中，可能会出现统计数据被修正的难题。为的是避免统计数据被修正，就须要在传达两个复本，即便复本被修正，也不能负面影响原统计数据的采用。为的是聚合那个复本，就造成了复本。那时就说呵呵Python中的深复本与浅复本的难题。

基本概念普及化：第一类、气门类别、提及

统计数据复本会牵涉到Python中第一类、气门类别、提及这3个基本概念，先来看一看这两个基本概念，多于知道了他们就可以更快的认知深复本与浅复本究竟是是不是一两件事。

Python第一类

在Python中，对第一类有一类很浅显的讲法，天地万物皆第一类。说的是内部结构的任何人统计数据类别都是两个第一类，不论是位数，数组，却是表达式，即使是组件，Python都对当作第一类处置。

大部份Python第一类都保有四个特性：身分、类别、值。

看两个单纯的范例：

In [1]: name = “laowang” # name第一类 In [2]: id(name) # id:身分的惟一标记 Out[2]: 1698668550104 In [3]: type(name) # type:第一类的类别，下定决心了该第一类能留存什么类别的值 Out[3]: str In [4]: name # 第一类的值，则表示的统计数据 Out[4]: laowang

气门与不气门第一类

在Python中，按预览第一类的形式，能将第一类分成2大类：气门第一类与不气门第一类。

气门第一类： 条目、词典、子集简而言之气门是指气门第一类的值气门，身分是维持不变的。不气门第一类：位数、数组、位元不气门第一类是第一类的身分和值都不气门。康孔县的第一类被关联到原本的cp，旧第一类被弃置，废弃物拆解器在适度的最佳时机拆解这些第一类。In [7]: var1 = “python” In [8]: id(var1) Out[8]: 1700782038408 #由于var1是不气门的，重康孔县了java第一类，骤然id出现改变，旧第一类python会在某一关键时刻被拆解 In [9]: var1 = “java” In [10]: id(var1) Out[10]: 1700767578296

提及

在 Python 程序中，每个第一类都会在内存中申请开辟一块空间来留存该第一类，该第一类在内存中所在位置的地址被称为提及。在开发程序时，所定义的cp实际就第一类的地址提及。

提及实际是内存中的两个位数地址编号，在采用第一类时，只要知道那个第一类的地址，就能操作那个第一类，但是因为那个位数地址不方便在开发时采用和记忆，所以采用cp的形式来代替第一类的位数地址。 在 Python 中，变量是地址的一类则表示形式，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，所以采用域名来代替 IP 地址，在采用域名访问网站时，域名被解析成 IP 地址来采用。

通过两个范例来说明变量和变量指向的提及是两个东西

In [11]: age = 18 In [12]: id(age) Out[12]: 1730306752 In [13]: id(18) Out[13]: 1730306752

逐步深入：提及赋值

上边已经知道，提及是第一类在内存中的位数地址编号，变量是方便对提及的则表示而出现的，变量指向的是此提及。赋值的本质是让多个变量同时提及同两个第一类的地址。 那么在对统计数据修正时会出现什么难题呢？

不气门第一类的提及赋值对不气门第一类赋值，实际是在内存中开辟一片空间指向新的第一类，原不气门第一类不能被修正。原理图如下：

下面通过案例来认知呵呵：

a与b在内存中都是指向1的引用，所以a、b的提及是相同的

In [1]: a = 1 In [2]: b = a In [3]: id(a) Out[3]: 1730306496 In [4]: id(b) Out[4]: 1730306496

现在再给a再次赋值，看一看会出现什么变化？

从下面不难看出：当给a 赋新的第一类时，将指向现在的提及，不在指向旧的第一类提及。

In [1]: a = 1 In [2]: b = a In [5]: a = 2 In [6]: id(a) Out[6]: 1730306816 In [7]: id(b) Out[7]: 1730306496 气门第一类的提及赋值气门第一类留存的并不是真正的第一类统计数据，而是对象的提及。当对气门第一类进行赋值时，只是将气门第一类中留存的提及指向了新的第一类。

原理图如下：

仍然通过两个实例来体会呵呵，气门第一类提及赋值的操作过程。

当出现改变l1时，整个条目的提及会指新的第一类，但是l1与l2都是指向留存的同两个条目的提及，所以提及地址不能变。

In [3]: l1 = [1, 2, 3] In [4]: l2 = l1 In [5]: id(l1) Out[5]: 1916633584008 In [6]: id(l2) Out[6]: 1916633584008 In [7]: l1[0] = 11 In [8]: id(l1) Out[8]: 1916633584008 In [9]: id(l2) Out[9]: 1916633584008

主旨详解：浅复本、深复本

经过前2部分的解读，大家对第一类的提及赋值应该有了两个清晰的认识了。

下面大家思考两个这样的难题：Python中如何解决原始统计数据在表达式传达之后不受负面影响了？

那个难题Python已经帮我们解决了，采用第一类的复本或者深复本就能愉快的解决了。

下面具体来看一看Python中的浅复本与深复本是如何实现的。

浅复本：

为的是解决表达式传达后被修正的难题，就须要复本一份复本，将复本传递给表达式采用，就算是复本被修正，也不能负面影响原始统计数据 。

不气门第一类的复本

不气门第一类只在修正的时候才会在内存中开辟新的空间， 而复本实际上是让多个第一类同时指向两个提及，和第一类的赋值没区别。

同样的，通过两个实例来感受呵呵：不难看出，a与b指向相同的提及，不气门第一类的复本是第一类赋值。

In [11]: import copy In [12]: a = 10 In [13]: b = copy.copy(a) In [14]: id(a) Out[14]: 1730306496 In [15]: id(b) Out[15]: 1730306496

气门第一类的复本

对于不气门第一类的复本，第一类的提及并没有出现变化，那么气门第一类的复本会不能和不气门第一类一样了？我们接着往下看。

通过下面那个实例能看出：气门第一类的复本，会在内存中开辟两个新的空间来留存复本的统计数据。当再出现改变之前的第一类时，对复本之后的第一类没有任何人负面影响。

In [24]: import copy In [25]: l1 = [1, 2, 3] In [26]: l2 = copy.copy(l1) In [27]: id(l1) Out[27]: 1916631742088 In [28]: id(l2) Out[28]: 1916636282952 In [29]: l1[0] = 11 In [30]: id(l1) Out[30]: 1916631742088 In [31]: id(l2) Out[31]: 1916636282952

原理图如下：

现在再回到刚才那个难题，是不是浅复本就能解决原始统计数据在表达式传达之后维持不变的难题了？下面看两个稍微复杂一点的统计数据结构。

通过下面那个实例能发现：复杂第一类在复本时，并没有解决统计数据在传达之后，统计数据出现改变的难题。 出现这种原因，是copy() 表达式在复本第一类时，只是将指定第一类中的大部份提及复本了一份，如果这些提及当中包含了两个气门第一类的话，那么统计数据却是会被出现改变。 这种复本形式，称为浅复本。

In [35]: a = [1, 2] In [36]: l1 = [3, 4, a] In [37]: l2 = copy.copy(l1) In [38]: id(l1) Out[38]: 1916631704520 In [39]: id(l2) Out[39]: 1916631713736 In [40]: a[0] = 11 In [41]: id(l1) Out[41]: 1916631704520 In [42]: id(l2) Out[42]: 1916631713736 In [43]: l1 Out[43]: [3, 4, [11, 2]] In [44]: l2 Out[44]: [3, 4, [11, 2]]

原理图如下：

对于上边这种状况，Python还提供了另一类复本形式(深复本)来解决。

深复本

区别于浅复本只复本顶层提及，深复本会逐层进行复本，直到复本的大部份提及都是不气门提及为止。

接下来我们看一看，要是将上边的复本实例用采用深复本的话，原始统计数据出现改变的难题还会不能存在了？

下面的实例清楚的告诉我们：之前的难题就能完美解决了。

import copy l1 = [3, 4, a] In [47]: l2 = copy.deepcopy(li) In [48]: id(l1) Out[48]: 1916632194312 In [49]: id(l2) Out[49]: 1916634281416 In [50]: a[0] = 11 In [51]: id(l1) Out[51]: 1916632194312 In [52]: id(l2) Out[52]: 1916634281416 In [54]: l1 Out[54]: [3, 4, [11, 2]] In [55]: l2 Out[55]: [1, 2, 3]

原理图如下：

查漏补缺

为什么Python默认的复本形式是浅复本？

时间角度：浅复本花费时间更少空间角度：浅复本花费内存更少效率角度：浅复本只复本顶层统计数据，一般情况下比深复本效率高。

本文知识点总结：

不气门第一类在赋值时会开辟新空间气门第一类在赋值时，修正两个的值，另两个也会出现出现改变深、浅复本对不气门第一类复本时，不开辟新空间，相当于赋值操作浅复本在复本时，只复本第一层中的提及，如果元素是气门第一类，并且被修正，那么复本的第一类也会出现变化深复本在复本时，会逐层进行复本，直到大部份的提及都是不气门第一类为止。Python 中有多种形式实现浅复本，copy组件的copy 表达式 ，第一类的 copy 表达式 ，工厂方法，切片等。大多数情况下，编写程序时，都是采用浅复本，除非有特定的需求浅复本的优点：复本速度快，占用空间少，复本效率高