Python可变与不可变数据和深拷贝与浅拷贝实例分析(python,开发技术)

拷贝函数是专门为可变数据类型list、set、dict使用的一种函数。作用是，当一个值指向另一个值的时候，也不会影响指向的值，如果被指向的数据是可变数据，那么它一旦被修改，指向的数据也会随之改变。

我们来举一个例子，整型是不可变的数据，那么为什么是不可变的数据呢？一个数据是不是可变的就要关系到python的缓存机制。

当一个数据发生变化，如果它的内存地址没有发生变化，就说明这是一个可变数据。

比如说，我们现在创建一个值是a的变量，它的值是100，然后让这个数值发生变化，观察者个变量的内存地址是否发生了变化。

我们发现数值发生了变化，变量的内存也跟着发生了变化，我们再创建一个变量b，值也是整型100

发现b的内存地址和a的内存地址是一样的，也就是说，像整型这样的数据类型，一个数字就独占一个内存地址，当某个指向这个值的变量，发生了变化的时候，不是这个变量的值要改变，而是这个变量要寻找改变后的值的内存地址，然后重新的指向它。只要你的硬件不重新启动，那么这个内存地址就永远也不会发生变化了，这样的数据就是不可变数据。

那么，反之就是可变数据，指的就是当变量指向的值发生变化之后，在这个内存地址上的值实打实的发生变化的值，就是可变数据类型。

比如列表，列表发生改变之后，是在原有的基础上发生变化的，所以内存地址是不会改变的，这就是可变数据类型，可变数据类型没有内存缓存机制，不能节省内存，所以一模一样的数据，他们的内存地址可能是不相同的。

在我们的实际工作当中，经常会使用的一种操作就是定义一个变量，它的值直接就赋给了一个原有的变量之上。可是变量定义之后我们绝不是用来作为一个摆设的，而是要做运算、或者是做一个临时的存储，那么原有的变量的值是要改变的，问题就来了，如果是一个不可变的数据还好，如果是可变的数据，直接的赋值他们的内存地址是相同的， 如果一个变量的值发生变化，同内存地址的的值就都发生改变了，我们的向要临时存储的值也就不再是我们想要的那个值了，这是绝大多数的时候我们不想看到的结果。

我们拿整型为例，变量a直接赋值给变量b，这个时候的变量a b 的值是相同的，但是如果变量a的值发生了变化，是丝毫不影响变量b的值的。

但是如果是可变数据就不是这样的情况了

不可变数据的这个特性既是一个优点也是一个缺点，缺点就是如果我们想要保存a变量发生变化之前的的一个状况的时候，是保存不下来的，这个时候就出现了拷贝函数，它可以将可变数据变成不可变数据那样的效果。

使用拷贝函数，将a变量放入作为参数放入函数中，使用b变量接受函数的返回值，就成功的拷贝了变量a，变量b的内存地址和变量a的不一样，这样当它们其中一方发生变化之后，不会影响到另一方的数据。

但是如果变量a是一个二级容器或者是一个更多级容器，浅拷贝无法拷贝第二级容器或者更多级的容器，所以当第二级容器或者是更多级的容器发生变化的时候，还是会发生变化，因为浅拷贝只能拷贝一级容器，所以多级容器的内存地址还是相同的。

浅拷贝只能拷贝一级容器

所以诞生了深拷贝，深拷贝可以拷贝所有级别的容器。