Python 的拷贝机制

在做 LeetCode 131. 分割回文串的时候因为一个 Python 列表的拷贝操作导致险些超时。为此特地在此记录一下我所了解到的 Python 拷贝机制。

Python 拷贝类型

直接赋值(=)： 即对象的引用（可以理解为别名）。
浅拷贝(copy)： 拷贝指定对象，不会拷贝对象的内部的子对象。
深拷贝(deepcopy)： copy 模块的 deepcopy 方法，完全拷贝了目标对象及其子对象。

Python中的深拷贝与浅拷贝这篇文章的图例很形象地描述了三种拷贝类型的差别

直接赋值
浅拷贝
深拷贝

直接赋值

Python 没有指针的概念，但 Python 的赋值操作就类似于新增一个指向原变量内存地址的指针。考虑操作b = a，这是一个赋值引用，对象 a 与 b 的变化完全同步。

拷贝

对于基本数据类型（如 int），Python 实际上采用的是引用计数的机制。无论是怎样进行赋值或拷贝，只要是相同的值，就会指向同一个内存地址，实际上这时就是增加了一个引用计数。即使是直接赋值，只要值相同，也是与先前相同的内存地址。一旦值不同，内存地址就不同。因此本文主要讨论的是较为复杂的复合对象的拷贝。

Python 的部分复杂内建类型具有.copy()方法，该方法能返回此对象的浅拷贝。更一般的方法是在copy包中使用copy()方法创建对象的浅拷贝。同样地，对象的深拷贝需要在copy包中使用deepcopy()方法创建。

Python 官方文档对两种拷贝机制的解释如下：

浅层与深层复制的区别仅与复合对象（即包含列表或类的实例等其他对象的对象）相关：

浅层复制 构造一个新的复合对象，然后（在尽可能的范围内）将原始对象中找到的对象的引用插入其中。

深层复制 构造一个新的复合对象，然后，递归地将在原始对象里找到的对象的副本插入其中。

然而，深拷贝相对来说会引发一些额外的问题（也是我在做题时遇到的）：

深度复制操作通常存在两个问题, 而浅层复制操作并不存在这些问题：

递归对象 (直接或间接包含对自身引用的复合对象) 可能会导致递归循环。

由于深层复制会复制所有内容，因此可能会过多复制（例如本应该在副本之间共享的数据）。

因此在使用深拷贝时应当慎重，必要时能使用浅拷贝就使用浅拷贝

额外注意：列表的浅拷贝

前文提到，作为复杂数据结构对象，List是具有内建函数copy()的，但 Python 官方文档还提到了一种列表的浅拷贝方法：利用切片。如果需要深入了解 Python 切片的用法，可以看这里。官方文档原文如下：

制作列表的浅层复制可以通过赋值整个列表的切片完成，例如，copied_list = original_list[:]。

这句话仔细看较难理解。注意到 Python 中的切片操作实际上返回的不是列表对象，而是一种特殊的切片对象slice，在 Python 内建函数文档中特别指出了这点:

class slice(stop)

class slice(start, stop[, step])

返回一个 slice 对象，代表由 range(start, stop, step) 指定索引集的切片。其中参数 start 和 step 的默认值为 None。切片对象具有只读数据属性 start 、stop 和 step，只是返回对应的参数值（或默认值）。这几个属性没有其他明确的功能；不过 NumPy 和其他第三方扩展会用到。在使用扩展索引语法时，也会生成切片对象。例如： a[start:stop:step] 或 a[start:stop, i]。另一种方案是返回迭代器对象，可参阅 itertools.islice() 。