变量是标签,不是盒子:重读《流畅的Python》里的深度拷贝

在 Python 编程中，明明只修改了一个变量，另一个变量的值却跟着变了？或者试图复制一个列表，结果改了新列表，旧列表也被修改了？

这一切的根源，都在于 Python 的可变/不可变类型以及内存管理机制。今天我们就来彻底搞懂这些底层逻辑。

01 可变与不可变：内存的“房客”

Python 中的数据类型分为两大派系，区分的核心在于：当变量值改变时，内存地址是否随之改变。

不可变数据类型 (Immutable)

特点： 一旦创建，内存里的值就不能被修改。如果你想改变它的值，Python 会在内存中重新开辟一块空间存新值，并将变量指向新地址。

• 成员： Number（数字）、String（字符串）、Tuple（元组）

• 现象：

a = 6  # 堆内存存了6，a指向它a = 5  # 堆内存新存了5，a改指向5，地址改变

• 注意：对于不可变类型，如果你执行 b = a，然后 b = 5，此时 a 不会变，因为 b 只是指向了一个新的地址。

特点： 允许在原地修改数据。值变了，但内存地址（门牌号）不变。

• 成员： List（列表）、Dictionary（字典）、Set（集合）

• 现象：

lst = [1, 5, 8]# 此时 lst 指向堆内存中的一个列表对象# 修改 lst[0] = 3，列表本身的内存地址不会变

02 赋值的本质：只是贴标签

在 Python 中，赋值语句 (=) 永远不会创建数据的副本，它只是让变量引用了同一个对象。

请看这个经典案例：

a = [1, 5, 8]b = a        # b 和 a 指向同一个内存地址b[0] = 3     # 修改 b 的元素print(a)     # 输出: [3, 5, 8]

03 核心难点：浅拷贝 vs 深拷贝

既然赋值只是引用，那如果我们想真正复制一份数据该怎么办？这里就涉及到了浅拷贝和深拷贝。

浅拷贝 (Shallow Copy)

定义： 也就是“影子克隆”。它会创建一个新的容器对象，但容器里面的元素，依然是指向旧对象里的引用。实现方式： 切片 [:]、copy.copy()、工厂函数 list() 等。

a = [1, 4, 5, [7, 8, 6]]b = a        # 赋值：纯引用c = a[:]     # 浅拷贝：c 是新壳，但里面的 [7,8,6] 还是旧的print(id(a) == id(b))  # Trueprint(id(a) == id(c))  # False (c有自己的地址)# 修改不可变元素（外层），c 不受影响c[0] = 99 # 修改可变嵌套元素（内层），a 会受影响！c[3].append(666) print(a) # 输出：[1, 4, 5, [7, 8, 6, 666]] # 惊！a 的内层列表也被改了

定义： “深度克隆”。不仅复制最外层的壳，还会递归地复制里面所有的子对象。完全独立，互不干扰。实现方式：import copy -> copy.deepcopy()

代码实测：

import copya = [1, 4, 5, [7, 8, 6]]d = copy.deepcopy(a)a[3].append(4) # 修改原列表print(a[3]) # [7, 8, 6, 4]print(d[3]) # [7, 8, 6] -> d 岿然不动

垃圾回收 (Garbage Collection)

Python 怎么处理没用的变量？主要靠引用计数。

• del 的真相：del b 删除的是变量名（引用），而不是直接删除对象。

• 计数器逻辑：

1. a = 32 (对象 32 引用计数 = 1)

2. b = a (对象 32 引用计数 = 2)

3. del b (对象 32 引用计数 -1，变为 1)只有当引用计数归零时，垃圾回收机制才会销毁对象，释放内存。

缓存机制 (Python 的优化)

为了提高效率，Python 对频繁使用的小对象有特殊的“优待”。

1. 小整数对象池 (Small Integer Cache)Python 默认将 -5 到 256 之间的整数预先创建好，常驻内存。

a = 3b = 3print(a is b) # True，因为都指向同一个预先创建好的 3

a = 1234b = 1234print(a == b, a is b)  # Truea = 2345b = 2344b += 1print(a == b, a is b)  # False

总结

1. 赋值是共享引用，改可变对象会互相影响。

2. 浅拷贝只拷一层，嵌套的可变对象依然共享。

3. 深拷贝彻底断交，完全独立。

4. 小整数(-5~256) 全局唯一，Python 帮你存好了。

5.这里注意，当你使用Pandas库的时候，一些也有这样的原理

掌握这些，不仅能避开 Bug，更能让你理解 Python 运行的底层之美！