深度拷贝能创建完全独立的对象副本，修改副本不影响原对象，适用于嵌套结构或复杂对象的复制。
深拷贝，简单来说，就是完完全全复制一份，跟原来的对象再无瓜葛。修改拷贝后的对象，不会影响到原始对象。
Python实现深度拷贝，主要靠
copy模块里的
deepcopy()函数。
copy.deepcopy(object)
为什么需要深度拷贝？
想象一下，你有一个复杂的对象，比如一个嵌套的列表或者一个包含其他对象的类实例。如果只是简单赋值，或者使用浅拷贝（
copy.copy()），你可能会遇到意想不到的问题。
立即学习“Python免费学习笔记（深入）”；
比如：
import copy
original_list = [1, 2, [3, 4]]
shallow_copy = copy.copy(original_list)
deep_copy = copy.deepcopy(original_list)
original_list[2][0] = 5
print(f"Original List: {original_list}")
print(f"Shallow Copy: {shallow_copy}")
print(f"Deep Copy: {deep_copy}")你会发现，修改
original_list里的嵌套列表，
shallow_copy也跟着变了！这就是浅拷贝的局限性。而
deep_copy则不受影响，因为它创建了一个完全独立的对象。
如何正确使用deepcopy()
?
直接调用
copy.deepcopy()就完事了吗？其实也不尽然。对于大多数情况，这已经足够了。但有些特殊情况需要注意。
比如，如果你的对象包含自定义的类，并且这些类里定义了
__init__方法，那么
deepcopy()会自动调用这些
__init__方法来创建新的对象。
但是，如果你想要更精细地控制拷贝过程，可以考虑实现
__copy__()和
__deepcopy__()方法。
import copy
class MyClass:
def __init__(self, data):
self.data = data
def __deepcopy__(self, memo):
# 自定义深度拷贝逻辑
new_object = MyClass(copy.deepcopy(self.data, memo))
return new_object
instance = MyClass([1, 2, 3])
deep_copied_instance = copy.deepcopy(instance)memo参数是一个字典，用于记录已经被拷贝过的对象，防止无限递归拷贝。
深度拷贝的性能考量
深度拷贝虽然强大，但也会带来性能上的开销。毕竟，它需要递归地复制所有对象及其子对象。对于大型、复杂的对象，深度拷贝可能会非常耗时。
所以，在使用深度拷贝之前，一定要仔细评估是否有必要。如果只是需要修改对象的部分属性，可以考虑其他更高效的方案，比如只拷贝需要修改的部分。
哪些情况不适合使用深度拷贝？
- 对象非常大且复杂： 深度拷贝会消耗大量时间和内存。
- 对象包含不可拷贝的资源： 比如文件句柄、网络连接等。
- 只需要修改对象的部分属性： 可以考虑只拷贝需要修改的部分。
- 对象是单例模式： 创建多个实例没有意义。
深度拷贝与序列化/反序列化的区别？
有些人可能会把深度拷贝和序列化/反序列化混淆。虽然它们都可以创建对象的副本，但本质上是不同的。
深度拷贝是在内存中进行的，它复制的是对象本身。而序列化是将对象转换为字节流，可以存储到文件或通过网络传输。反序列化则是将字节流还原为对象。
序列化/反序列化通常用于持久化数据或在不同进程/机器之间传递数据，而深度拷贝则主要用于在同一个进程中创建对象的副本。
如何避免不必要的深度拷贝？
很多时候，我们并不需要完全独立的副本，只需要共享部分数据即可。在这种情况下，可以考虑使用浅拷贝或者其他更高效的方案。
比如，可以使用
collections.namedtuple来创建不可变对象，这样可以避免修改对象带来的副作用。或者，可以使用
weakref来创建弱引用，这样可以避免循环引用导致内存泄漏。
总之，深度拷贝是一个强大的工具，但也要谨慎使用。在选择拷贝方式时，一定要根据实际情况进行权衡，选择最适合的方案。
