同留驻监督机制那样，厚薄复本在程式设计中的应用领域只不过也并非许多。但他们依然须要介绍。再者是为的是防止中后期合作开发标识符时再次出现难题却不晓得其原因，另再者也其原因在于复试时基本上单厢问到相关厚薄复本的难题。

厚薄复本主要就分成三个各方面：

甚么是表达式甚么是浅复本甚么是深复本

表达式

表达式间表达式操作方式是将数个表达式的物理地址对准同一统计数据的物理地址。比如，对上面的标识符：

a = 10 b = a print(id(a), id(b))

输入的结论为：

1947042192 1947042192

a 和 b 的物理地址完全相同。这段表达式操作方式在缓存中的流程是：具体而言，在缓存中开拓几块物理地址存储有理数 10，它的物理地址为 1947042192；接着，cp a 对准那个物理地址的物理地址；最终，cp b 反之亦然对准那个物理地址。

对auth统计数据这种的不容变统计正则表达式而言，这时，假如再次给 a 展开表达式，比如说表达式为 11。将会新开拓几块缓存空间来存储auth统计数据 11，接着 a 将对准 11 的物理地址（比如说：1947042224），原本的对准将无须存有。而 b 依然对准 10 的物理地址 1947042192：

用标识符来校正是：

a = 10 b = a a = 11 print(id(a), id(b))

输入的结论为：

1947042224 1947042192

对可变统计正则表达式的表达式操作方式则会有些例外。表达式操作方式的原则都是完全相同的，新cp会对准已经存有的统计数据，而并非新开拓几块物理地址：

lst = [1, 2, 3] lst1 = lst print(id(lst), id(lst1)) for i inlst: print(id(i))

输入的结论为：

1334279969672 1334279969672 1947041904 1947041936 1947041968

具体而言auth数字 1、2 和 3 分别开拓各自的物理地址。须要注意的是，列表中存储的是每个元素的物理地址，而并非元素本身。当auth统计数据物理地址开拓好了之后，又开拓了几块列表空间，其中存储的统计数据是四个auth数字的物理地址。接着，表达式 lst 对准列表的物理地址 1334279969672。最终，表达式操作方式令表达式 lst1 也对准该列表的物理地址 1334279969672。

这些操作方式看起来繁琐许多，但实际上的原理还是表达式操作方式只是将不同的表达式对准同一统计数据的物理地址。

但现在，假如他们对 lst1 展开修改，比如说增加一个新的元素 4，会发生甚么呢？

lst = [1, 2, 3] print(id(lst)) lst1 = lst lst1.append(4) print(lst, lst1) print(id(lst), id(lst1)) for i in lst: print(id(i))

输入的结论为：

3009179196296 [1, 2, 3, 4] [1, 2, 3, 4] 3009179196296 3009179196296 1947041904 1947041936 1947041968 1947042000

他们发现发生了一件奇怪的事情：虽然他们只对 lst1 展开了修改，但 lst 也反之亦然发生了改变。

这其原因在于列表是可变统计正则表达式，当他们对列表展开操作方式时，不会改变列表的物理地址 ^1。使用 append 方法会在列表存储的内容中添加一个auth统计数据 4 的物理地址，但并不会改变表达式 lst 和 lst1 对准列表缓存的状态。故而，虽然只对 lst1 展开了修改，但查看 lst 时，变化是完全相同的。

举一个形象一点的例子是，列表就好比是一个书包。最开始，那个书包归小明所有。后来，小明跟好朋友小芳共用了那个书包。小芳有一天在书包里装了一本书，虽然小明没有对那个书包做任何的操作方式，他依然能够看到自己的书包里多出了一本书来。

对字典等其他可变统计正则表达式，道理都是完全相同的。对可变统计正则表达式的嵌套，也是那样：

dic = {key1: 2, key2: [1, 2, 3]} dic1 = dic dic1[key2].append(4) print(dic, dic1)

输入的内容为:

{key1: 2, key2: [1, 2, 3, 4]} {key1: 2, key2: [1, 2, 3, 4]}

总结起来是：表达式是让数个表达式对准同一物理地址，假如那个物理地址的统计数据是不容变统计正则表达式，修改时会开拓新的物理地址（字符串，数字，布尔值，元组）；假如时可变的统计正则表达式，会在原地址展开修改（列表，字典）。

浅复本

与表达式略有差异的是，浅复本会将统计数据的外壳新开拓几块物理地址，在新的缓存空间中存储的是最外层元素的物理地址。

列表有一个 .copy() 方法，用来展开浅复本操作方式：

lst = [1, 2, [3, 4]] lst1 = lst.copy() #复本 or 复制 print(lst, lst1) print(id(lst), id(lst1)) print(id(lst[0]), id(lst1[0])) print(id(lst[1]), id(lst1[1])) print(id(lst[2]), id(lst1[2])) print(id(lst[2][0]), id(lst1[2][0])) print(id(lst[2][1]), id(lst1[2][1]))

输入的结论为：

[1, 2, [3, 4]] [1, 2, [3, 4]] 2718491515720 2718491515912 1945534576 1945534576 1945534608 1945534608 2718491515784 2718491515784 1945534640 1945534640 1945534672 1945534672

他们看到，除了最外层的壳子，也是列表本身被新开拓了几块物理地址之外，无论列表中的元素是否可变，都只是复制了原本列表中元素的物理地址。

最开始，列表 lst 开拓了几块地址为 2718491515720 的物理地址，其中，数字 1 被存储在地址 1945534576，数字 2 被存储在地址 1945534608，列表被存储在地址 2718491515784。列表中的数字 3 被存储在地址 1945534640，列表中的数字 4 被存储在地址 1945534672。当展开浅复本之后，为 lst1 新开拓几块物理地址为 2718491515912 的物理地址，其中存储的元素的物理地址跟 lst 中的元素完全相同。

这时，假如他们对 lst1 展开增加操作方式，比如说增加一个元素 5：

lst1.append(5) print(lst, lst1)

输入的结论为：

[1, 2, [3, 4]] [1, 2, [3, 4], 5]

只有 lst1 中增加了元素，lst 并没有发生变化。这其原因在于 lst 和 lst1 的物理地址不同，对 lst1 展开操作方式并不会影响到 lst。

不过假如他们对列表中嵌套的列表展开增加操作方式，比如说：

lst = [1, 2, [3, 4]] lst1 = lst.copy() lst1[-1].append(5) print(lst, lst1)

输入的结论为：

[1, 2, [3, 4, 5]] [1, 2, [3, 4, 5]]

不管是 lst 还是 lst1，它们的最终一个元素都是对准的列表 [3, 4] 的物理地址 2718491515784。当对那个列表展开修改时，尽管是使用 lst 展开的操作方式，lst1 调用列表时，依然能发现列表的变化。

除了使用 .copy() 方法，他们还可以通过切片来实现浅复本：

lst = [2, 3, [4, 5], 6] lst1 = lst lst2 = lst[:] lst1[2].append(6) print(lst, lst1, lst2)

输入的结论为：

[2, 3, [4, 5, 6], 6] [2, 3, [4, 5, 6], 6] [2, 3, [4, 5, 6], 6]

深复本

深复本之后的统计数据使用同他们主观认为的基本一致：对一个表达式的修改不会影响到另一个表达式的值。经过深复本后的两个表达式虽然值完全相同，但不受彼此影响。

当然，这也不意味着深复本后的两个表达式中的每个元素都是不同的。为的是节省缓存，经过深复本后的不容变元素依然被两个表达式共用。因为对不容变元素的改变一定会造成物理地址的变化，所以不须要单独开拓物理地址。但对可变元素，不管嵌套多少层，单厢开拓新的物理地址。

调用深复本方法须要导入一个 copy 模块：

import copy lst = [1000, 2, [3, 4]] lst1 = copy.deepcopy(lst) print(id(lst), id(lst1)) print(id(lst[0]), id(lst1[0])) print(id(lst[1]), id(lst1[1])) print(id(lst[2]), id(lst1[2])) print(id(lst[2][0]), id(lst1[2][0])) print(id(lst[2][1]), id(lst1[2][1]))

返回的结论为：