做一道练习题时突然发现之前忽略了这一块的内容，遂填坑一番记录一下
图中，old2是直接赋值，new等于old的切片，new2是利用old的内建函数copy得到的，随后，利用sort()对old进行排序后，发现old2随之改变，而new、new2没有改变，查看他们的内存id可知，old2与old引用的内存是一模一样的，也就是说利用=直接赋值就是给该内存内容加了一个标签，old对该内存中的内容进行改变后，其余的引用结果都会跟着改变。
new和new2都在新的内存中将old的内容实实在在的拷贝了一份，所以old得操作不会影响它们。help(old.copy)后看到 a shallow copy of L ,才知道这些叫浅拷贝。
浅拷贝
在这个例子中，对old浅拷贝得到old2，它们的内存地址如上个例子中一样发生了改变，但把list中的内容地址打印出来后发现它们引用的对象其实是同一个，及old中的1003和old2中的1003在内存中是同一个，如下图所示，
此时，改变了old[0]的值，即old[0]引用了新的内存处的新的值，为什么不是改变1000这个内存地址的值？因为在pytho中int、float、string和tuple皆是不可变类型，例如 i += 1 并不是真的在原有的int对象上+1，而是重新创建一个value为6的int对象，i引用自这个新的对象，所以在此处，old[0]引用了新的对象。而改变old[1][0]的值，old2也跟着改变了，因为list是可变类型，如图中，old和old2同时引用list[1001,1002],当改变list[0]的值时，根据之前int不可变类型的原因，list[0]引用了新的对象，但注意，此时并没有改变old、old2对list的引用，它们仍引用的是id为44717320处的list,所以，old和old2打印出来的值都变化了。
（解释一下，此处使用1000,1001,1002等大数据值的原因，因为之前自己练手的时候不太懂这其中引用的原理，用的是1,2,3等小值数据，看到old,old2引用相同的内存地址以为是python有小数缓存机制（缓存【-5,256】）的原因，所以用了较大的数又测了一下，弄懂之后才发现并没有影响。）
深拷贝
深拷贝需要用到python copy包
copy.copy() ：浅复制
copy.deepcopy()：深复制
修改后，经过深拷贝得到的old2里，对所有可变类型进行了拷贝（嵌套多层也进行了拷贝），虽然两个list引用的对象仍然相同，但根据之前的不可变类型原因，old和old2的引用并不会相互影响。
多层可变类型验证
