一. Python 变量及其存储
1.1 Python 变量存储情况
在高级语言中，变量是对内存及其地址的抽象。对于python 而言，python 的一切变量都是对象，变量的存储，采用了引用语义的方式，存储的只是一个变量的值所在的内存地址，而不是指这个变量的本身:
-
引用语义：在 python 中，变量保存的是对象(值)的引用，我们称为 引用语义。采用这种方式，变量所需的存储空间大小一致，因为变量只是保存了一个引用。也被称为对象语义和指针语义。
-
值语义：有些语言采用的不是这种方式，它们把变量的值直接保存在变量的存储区里，这种方式被我们称为值语义，例如 C 语言，采用这种存储方式，每一个变量在内存中所占的空间就要根据变量实际的大小而定，无法固定下来。
-
值语义和引用语义的区别：
- 值语义： 死的、 傻的、 简单的、 具体的、 可复制的
-
引用语义： 活的、 聪明的、 复杂的、 抽象的、 不可复制的
1.2 Python 数据类型地址存储
Python 的引用语义和 C 语言值语义在内存中的存储情况如下:
变量的每一次初始化，都会开辟了一个新的空间，将新内容的地址赋值给变量。对于下图来说，如果重复的给 str1 赋值，其在内存中的变化如下右图：
str1 在重复的初始化过程中，str1 中存储的元素地址由 ‘Hello world’ 的地址变成了 ‘new Hello world’ 的。
了解了 Python 变量赋值过程后，就应该明白 Python 的赋值过程相当于完全共享资源，一个值的改变会完全被另一个值共享。而实际应用是往往需要备份出一份数据而只对新值进行修改，这时候赋值就变得不是那么明智。引用 Python 浅拷贝与深拷贝概念为这方面提供了解决方案。
二. 深浅拷贝引入
经过上面讨论，我们知道在 Python 中对对象的赋值其实就是对对象的引用。当创建一个对象，把它赋值给另一个变量的时候，Python 并没有拷这个对象，只是拷贝了这个引用对象而已。
考虑这样一个场景：有一个列表 warmtones 包含几种颜色，每个颜色代表元素类的一个实例。而希望创建一个为名为 palette 的列表，使 palette 具有跟 warmtones 一样的颜色列表，并希望达到在改变 palette 的同时不改变 warmtones。
于是，A，B，C 同学发表了自己的看法。
A 同学：
palette = warmtones
B 同学：
palette = list(warmones)
C 同学：
import copy
palette = copy.deepcopy(warmtones)
**注意：**为了简化对比说明，使用实例中的颜色不再是一个类的实例，而是使用字符串替代。
先考虑 A 同学，现在想给 warmtones 添加 black 颜色：
很不幸，这并不符合实际要求，因为在对 palette 进行添加颜色的时候，warmtones 也发生了改变。实际上 A 同学的做法，可以用以下图说明：
A 同学的做法相当于 将 warmtones 和 palette 指向了同一块内存地址，所以无论是改变 warmtones 还是 palette 都会对此内存地址数据产生变化。而导致改变 warmtones 和 palette 任意一方，都会影响到对方。
对于 B 同学， B同学使用的是一种浅拷贝：
这里对 palette 添加 _black 元素，此时看起来并不会对 warmtones产生影响，这就达到要求了吗？其实，不然，分析图中，很容易见，虽然 warmtones 和 palette 的 id 已经不同了， 但它们的元素 id 仍然相同。如下图：
现在对 B 同学的做法使用另一个实例，将原来 warmtones 列表字符串元素换成 Color 类的实例对象
如你所见，直接将
palette列表中的对象改变，不会影响，warmtones,因为yellow是 Color 的一个新实例，palette的 id[0] 已经被指向新的地址，故不会影响warmtones。见下图：
但如果直接对 paltte 地址中的数据进行修改，如将 red 实例对象颜色修改为 yellow, 则此时 warmtones 也发生改变。
也就是说只要改变这些地址相同的元素值，warmtones 和 palette 还是会互相影响，如图：
对于 C 同学的做法中，palette 是 warmtones 的深拷贝，palette 的引用对象列表也是从 warmtones 中复制过来的。
结合实例：
此时，可以看到 palette 中所有元素地址已经被指向了另一个地方，warmtones对象全部被引用到了 palette。
上面所讨论的问题涉及到 python 引用机制和浅复制及深复制
三. Python 浅拷贝与深拷贝
3.1 什么是浅拷贝、深拷贝？
-
浅拷贝：只是拷贝了对象的最外围本身（即只拷贝一层），而其内部元素也只是拷贝了一个引用而已（即其他内部对象还只是引用），对象中的其他对象并不复制。
-
深拷贝：外围以及内部元素都进行拷贝对象本身，而不是引用，其他对象的对象一并复制（即递归赋值所有对象）。
3.2 浅拷贝与深拷贝的区别？
3.3 浅拷贝产生的几种情况
- 使用切片
[:]操作 - 使用工厂函数（如 list/dir/set）
工厂函数看上去像函数，实质上是类，调用时实际上是生成了该类型的一个实例，就像工厂生产货物一样 - 使用 copy 模块中的 copy() 函数
四.其他相关
4.1 关于 Python 的可变/不可变对象
-
**不可变对象，该对象所指向的内存中的值不能被改变。**当改变某个变量时候，由于其所指的值不能被改变，相当于把原来的值复制一份后再改变，这会开辟一个新的地址，变量再指向这个新的地址。
-
**可变对象，该对象所指向的内存中的值可以被改变。**变量（准确的说是引用）改变后，实际上是其所指的值直接发生改变，并没有发生复制行为，也没有开辟新的出地址，通俗点说就是原地改变。
Python 中，基本数值类型（int和float）、字符串str、元组 tuple 都是不可变类型。而列表 list、字典dict、集合 set 是可变类型。
4.2 不可变对象的深浅拷贝
不可变对象类型，没有被拷贝的说法，即便是用深拷贝，查看 id 是一样的，如果对其重新赋值，也只是新创建一个对象，替换掉旧的而已。
一句话就是，不可变类型，不管是深拷贝还是浅拷贝，地址值和拷贝后的值都是一样的。
4.3 对于可变对象深浅拷贝
可变对象拷贝则：
=号赋值：值相等，地址相等- copy 浅拷贝：值相等，地址不相等,对象的对象地址相等
- deepcopy 深拷贝：值相等，地址不相等，对象的对象地址不相等
总结：
- 赋值只是改变引用，原来对象数据发生变化，被赋值的 变量也会发送变化
- 浅拷贝只拷贝一层，拷贝后为两个对立对象，但子对象仍为引用，仍然指向原来的子对象
- 深拷贝将所有对象数据对立，拷贝对象的对象，原对象的改变不会印象其他独立对象（即递归赋值所有对象）。
【相关链接】