【自己总结】：浅拷贝和深拷贝都是针对容器类型而言的。
如果此容器的元素都是‘原子’类型的，那么shallow copy 和 deep copy没什么区别，
如果此容器的元素不都是‘原子’类型的，则区别在于此容器中非‘原子’的元素。所有的浅拷贝中此非原子元素的身份是一样的，也都和原始的元素身份一样，所以如果改变此元素的一个元素，其他拷贝都会变化
而深拷贝则此非原子元素的身份和 原始元素以及浅拷贝元素 的身份不同，是完全独立的。
另外注意，对于浅拷贝和深拷贝所针对的容器(最外层容器)，新的拷贝无论是浅的还是深的，此容器的身份都和原始不同，彼此也不同。
【测试例子】
person = ['name', ['savings', 100]]
hubby = person[:] # 完全切片操作，和直接 hubby = person不一样
wifey = list(person)
print([id(x) for x in (person, hubby, wifey)])
print([id(x) for x in person])
print([id(x) for x in hubby])
print([id(x) for x in wifey])
print([id(x) for x in person[1]])
print([id(x) for x in hubby[1]])
print([id(x) for x in wifey[1]])
hubby[0] = 'John'
wifey[0] = 'Jane'
print(hubby, wifey)
hubby[1][1] = 50
print(hubby, wifey)
print([id(x) for x in (person, hubby, wifey)])
print([id(x) for x in person])
print([id(x) for x in hubby])
print([id(x) for x in wifey])
print([id(x) for x in person[1]])
print([id(x) for x in hubby[1]])
print([id(x) for x in wifey[1]])
运行结果如下，
[140244615059936, 140244615059504, 140244614511216]
[140244651551352, 140244615058784]
[140244651551352, 140244615058784]
[140244651551352, 140244615058784]
[140244614947872, 9356480]
[140244614947872, 9356480]
[140244614947872, 9356480]
['John', ['savings', 100]] ['Jane', ['savings', 100]]
['John', ['savings', 50]] ['Jane', ['savings', 50]]
[140244615059936, 140244615059504, 140244614511216]
[140244651551352, 140244615058784]
[140244614948432, 140244615058784]
[140244614948488, 140244615058784]
[140244614947872, 9354880]
[140244614947872, 9354880]
[140244614947872, 9354880]
当丈夫取走$50后,他的行为影响到了他妻子的账户，为什么会这样呢?
原因是我们仅仅做了一个浅拷贝。对一个对象进行浅拷贝其实是新创建了一个类型跟原对
象一样,其内容是原来对象元素的引用,换句话说,这个拷贝的对象本身是新的,但是它的内容不
是.序列类型对象的浅拷贝是默认类型拷贝,并可以以下几种方式实施:(1)完全切片操作[:],(2)
利用工厂函数,比如 list(),dict()等,(3)使用 copy 模块的 copy 函数.
你的下一个问题可能是:当妻子的名字被赋值,为什么丈夫的名字没有受到影响?难道它们
的名字现在不应该都是'jane'了吗?为什么名字没有变成一样的呢?怎么会是这样呢?这是因为
在这两个列表的两个对象中,第一个对象是不可变的(是个字符串类型),而第二个是可变的(一
个列表).正因为如此,当进行浅拷贝时,字符串被显式的拷贝,并新创建了一个字符串对象,而列
表元素只是把它的引用复制了一下,并不是它的成员.所以改变名字没有任何问题,但是更改他
们银行账号的任何信息都会引发问题.现在,让我们分别看一下每个列表的元素的对象 ID 值,注
意,银行账号对象是同一个对象,这也是为什么对一个对象进行修改会影响到另一个的原因
假设我们要给这对夫妻创建一个联合账户,那这是一个非常棒的方案,但是,如果需要的是
两个分离账户,就需要作些改动了.要得到一个完全拷贝或者说深拷贝--创建一个新的容器对象,
包含原有对象元素(引用)全新拷贝的引用--需要 copy.deepcopy()函数.我们使用深拷贝来重
写整个例子.
>>> person = ['name', ['savings', 100.00]]
>>> hubby = person
>>> import copy
>>> wifey = copy.deepcopy(person)
>>> [id(x) for x in person, hubby, wifey]
[12242056, 12242056, 12224232]
>>> hubby[0] = 'joe'
>>> wifey[0] = 'jane'
>>> hubby, wifey
(['joe', ['savings', 100.0]], ['jane', ['savings', 100.0]])
>>> hubby[1][1] = 50.00
>>> hubby, wifey
(['joe', ['savings', 50.0]], ['jane', ['savings', 100.0]])
这就是我们想要的方式,作为验证,让我们确认一下所有四个对象都是不同的.
>>> [id(x) for x in hubby]
[12191712, 11826280]
>>> [id(x) for x in wifey]
[12114080, 12224792]
以下有几点关于拷贝操作的警告。
第一,非容器类型(比如数字,字符串和其他"原子"类型的
对象,像代码,类型和 xrange 对象等)没有被拷贝一说,浅拷贝是用完全切片操作来完成的.第二,
如果元组变量只包含原子类型对象,对它的深拷贝将不会进行.如果我们把账户信息改成元组类
型,那么即便按我们的要求使用深拷贝操作也只能得到一个浅拷贝:
>>> person = ['name', ('savings', 100.00)]
>>> newPerson = copy.deepcopy(person)
>>> [id(x) for x in person, newPerson]
[12225352, 12226112]
>>> [id(x) for x in person]
[9919616, 11800088]
>>> [id(x) for x in newPerson]
[9919616, 11800088]
核心模块: copy
我们刚才描述的浅拷贝和深拷贝操作都可以在 copy 模块中找到.其实 copy 模块中只有两
个函数可用:copy()进行浅拷贝操作,而 deepcopy()进行深拷贝操作.
附，自己测深拷贝：
# 深拷贝
import copy
person = ['name', ['savings', 100]]
hubby = person[:]
wifey = copy.deepcopy(person)
print(person, hubby, wifey)
print([id(x) for x in (person, hubby, wifey)])
print([id(x) for x in person])
print([id(x) for x in hubby])
print([id(x) for x in wifey])
print([id(x) for x in person[1]])
print([id(x) for x in hubby[1]])
print([id(x) for x in wifey[1]])
hubby[0] = "john"
wifey[0] = "jane"
hubby[1][1] = 50
print(person, hubby, wifey)
print([id(x) for x in (person, hubby, wifey)])
print([id(x) for x in person])
print([id(x) for x in hubby])
print([id(x) for x in wifey])
print([id(x) for x in person[1]])
print([id(x) for x in hubby[1]])
print([id(x) for x in wifey[1]])
['name', ['savings', 100]] ['name', ['savings', 100]] ['name', ['savings', 100]]
[140043683903536, 140043683903896, 140043683882048]
[140043720383096, 140043683881688]
[140043720383096, 140043683881688]
[140043720383096, 140043683890096]
[140043683779616, 9356480]
[140043683779616, 9356480]
[140043683779616, 9356480]
['name', ['savings', 50]] ['john', ['savings', 50]] ['jane', ['savings', 100]]
[140043683903536, 140043683903896, 140043683882048]
[140043720383096, 140043683881688]
[140043683780176, 140043683881688]
[140043683780232, 140043683890096]
[140043683779616, 9354880]
[140043683779616, 9354880]
[140043683779616, 9356480]