1. python list的深/浅拷贝

python 有一种常用数据类型：list，使用list时经常需要考虑一件事件，那就是：浅拷贝与深拷贝。

至于什么是深浅拷贝，先从一个示例代码来分析一下：

import copy# list 测试使用的源数据lists = [[1, 2, 3], 4, 5, 6]def low_copy():    # list 浅拷贝    low_list = copy.copy(lists)    return list(low_list)def deep_copy():    # list 深拷贝    deep_list = copy.deepcopy(lists)    return list(deep_list)if __name__ == "__main__":    print("源 list:", lists)    #  分别获取 浅拷贝、深拷贝 list对象    lists_c = low_copy()    lists_d = deep_copy()    print("浅拷贝 list:", lists_c)    print("深拷贝 list:", lists_c)    print("========================")    # 对源数据的 第0下数据追加数值7    print("对源list的第0下数据追加数值7，start")    lists[0].append(7)    print("对源list的第0下数据追加数值7，end")    print("========================")    # 源数据的 第0下数据追加数值7 之后验证，深浅拷贝数据的变化    print("源 list:", lists)    print("浅拷贝 list:", lists_c)    print("深拷贝 list:", lists_d)    # 执行结果    #     # 源 list: [[1, 2, 3], 4, 5, 6]    # 浅拷贝 list: [[1, 2, 3], 4, 5, 6]    # 深拷贝 list: [[1, 2, 3], 4, 5, 6]    # ========================    # 对源list的第0下数据追加数值7，start    # 对源list的第0下数据追加数值7，end    # ========================    # 源 list: [[1, 2, 3, 7], 4, 5, 6]    # 浅拷贝 list: [[1, 2, 3, 7], 4, 5, 6]    # 深拷贝 list: [[1, 2, 3], 4, 5, 6]

通过示例代码可以看出：在对list进行浅拷贝、深拷贝之后，对源数据进行修改，则会直接影响浅拷贝的数据，深拷贝的数据则无影响。

这说明了什么，具体又是怎么实现的呢？

2. pyhton list 的实现

首先，要说明几点：

python 底层源码使用C语言实现在 python 中一切皆对象（整数、字符串，甚至类型、函数等都是对象）

python的对象，大概分为以下几种：

参考

Fundamental 对象: 类型对象Numeric 对象: 数值对象Sequence 对象: 容纳其他对象的序列集合对象Mapping 对象: 类似 C++中的 map 的关联对象Internal 对象: Python 虚拟机在运行时内部使用的对象3. list 对象

在python的源码实现中，list的结构体如下：

// 源文件：Include/listobject.h// listobject.htypedefstruct {    // 对象的公共头部    PyObject_VAR_HEAD        // 指向 list 元素的指针向量，list[0] 就是 ob_item[0]    // 可以看到 ob_item 是个二级指针    //   也就是说 **ob_item 表示它是指向 PyObject类型指针数组 指针    // 		*ob_item 表示它是 PyObject类型指针数组    /* Vector of pointers to list elements.  list[0] is ob_item[0], etc. */    PyObject **ob_item;    /* ob_item contains space for 'allocated' elements.  The number     * currently in use is ob_size.     * Invariants:     *     0 <= ob_size <= allocated     *     len(list) == ob_size     *     ob_item == NULL implies ob_size == allocated == 0     * list.sort() temporarily sets allocated to -1 to detect mutations.     *     * Items must normally not be NULL, except during construction when     * the list is not yet visible outside the function that builds it.     */    // list 容纳元素的总数    Py_ssize_t allocated;} PyListObject;

从 list 的结构体可以看出，真正存储对象的是 ob_item 字段，该字段是一个指向 指针数组 的指针，从而得知 PyListObject 结构体是一个多级结构体。

创建list的过程主要分为两个步骤：

创建 PyListObject 结构体对 ob_item 指向的指针数组进行初始化操作

// 源文件位置：Objects/listobject.c// 创建一个新的 listPyObject *PyList_New(Py_ssize_t size) {    // 判断创建 list 时的 size 是否合法    if (size < 0) {        PyErr_BadInternalCall();        returnNULL;    }    struct _Py_list_state *state = get_list_state();    // 最终创建的 list 对象指针    PyListObject *op;#ifdef Py_DEBUG    // PyList_New() must not be called after _PyList_Fini()    assert(state->numfree != -1);#endif    if (state->numfree) {        state->numfree--;        op = state->free_list[state->numfree];        _Py_NewReference((PyObject *) op);    } else {        // 创建一个新的 list        op = PyObject_GC_New(PyListObject, &PyList_Type);        if (op == NULL) {            returnNULL;        }    }    if (size <= 0) {        op->ob_item = NULL;    } else {        op->ob_item = (PyObject **) PyMem_Calloc(size, sizeof(PyObject *));        if (op->ob_item == NULL) {            Py_DECREF(op);            return PyErr_NoMemory();        }    }    Py_SET_SIZE(op, size);    op->allocated = size;    _PyObject_GC_TRACK(op);    return (PyObject *) op;}

// 源文件位置：Objects/listobject.c/*[clinic input]list.copyReturn a shallow copy of the list.[clinic start generated code]*/// list 的 浅拷贝static PyObject *list_copy_impl(PyListObject *self)/*[clinic end generated code: output=ec6b72d6209d418e input=6453ab159e84771f]*/{    return list_slice(self, 0, Py_SIZE(self));}// ilow、ihigh 的类型 Py_ssize_t 为当前系统一个指针的大小static PyObject *list_slice(PyListObject *a, Py_ssize_t ilow, Py_ssize_t ihigh) {    PyListObject *np;    PyObject **src, **dest;    Py_ssize_t i, len;    len = ihigh - ilow;    if (len <= 0) {        return PyList_New(0);    }    // 生成新的 list    np = (PyListObject *) list_new_prealloc(len);    if (np == NULL)        returnNULL;    // 从 list 的第一个位置开始 a->ob_item 偏移 ilow，即：移动到 第 ilow 个数值元素的指针位置    src = a->ob_item + ilow;    // 新的 list 的 数值列表第一个位置    dest = np->ob_item;    // 进行复制，注意：只是复制了 对象的指针    for (i = 0; i < len; i++) {        // src[i] 存储着 指向具体的对象的指针        PyObject *v = src[i];        // v 的引用计数 +1        Py_INCREF(v);        // 复制到新的list中        // 此时 新老list底层数据对象指向相同        dest[i] = v;    }    // 设置新list的size    // ob->ob_size = size    Py_SET_SIZE(np, len);    return (PyObject *) np;}

进行浅拷贝之后，从内存布局发生的变化，可以看出：新、老list共享底层数据对象，这也是导致一个list进行修改之后，影响其他list的原因。

5. list 深拷贝

进行深拷贝之后，从内存布局发生的变化，可以看出：新、老list分别使用不同的底层数据对象，这就不会导致一个list进行修改之后，影响其他list。

总结

通过分析python底层源码了解到list的底层结构以及深、浅拷贝原理，开发过程中使用深拷贝还是浅拷贝，则需要根据实际情况来处理。

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 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。扩展阅读

[1] 图解深浅拷贝

[2] python list 对象