Python切片是浅拷贝：创建新容器但元素引用原对象内存地址，对可变嵌套对象修改会影响原序列；时间与空间复杂度均为O(k)，字符串有优化，需依场景选择切片、islice或deepcopy。
Python切片不是简单的“复制”或“引用”，而是一种浅拷贝（shallow copy）行为——它创建新对象，但其中的元素仍指向原对象中的相同内存地址（对不可变对象无影响，对可变对象需特别注意）。
切片到底做了什么？
当你执行 a[1:4] 时，Python 会：
- 分配一块新的内存，构建一个同类型的新容器（如 list、str、tuple）
- 将原序列中对应位置的引用逐个复制过去（不是深拷贝）
- 对不可变对象（如 int、str、tuple），这等价于“值复制”，因为它们无法被就地修改
- 对可变对象（如嵌套的 list、dict），新列表里的子对象和原列表共享同一份数据
验证是否为浅拷贝
看这个例子：
original = [[1], [2, 3], 4] sliced = original[0:2] # [[1], [2, 3]] <p>sliced[0].append(99) # 修改子列表 print(original) # [[1, 99], [2, 3], 4] ← 原列表也被改了！ print(sliced) # [[1, 99], [2, 3]]
说明切片后，sliced[0] 和 original[0] 指向同一个子列表对象。
立即学习“Python免费学习笔记（深入）”；
性能表现：快，但有代价
切片时间复杂度为 O(k)，k 是切片长度；空间复杂度也是 O(k)，因为要分配新容器。常见情况：
-
小切片（如
lst[:3]）：开销极小，几乎可忽略 -
大切片（如
big_list[1000:90000]）：触发大量内存分配与引用复制，可能成为瓶颈 - 字符串切片：CPython 中做了优化（使用引用计数+偏移，不立即拷贝内容），所以非常快，但语义上仍是新对象
-
避免重复切片：比如循环中写
data[i:i+10]，应考虑用itertools.islice或预计算边界
什么时候该用切片？什么时候不该？
✅ 推荐用切片：
- 提取子序列、翻转（
lst[::-1]）、步进取值（lst[::2]） - 函数参数传递时需隔离输入（防止被意外修改）——但仅限不含可变嵌套的情况
⚠️ 谨慎或换方案：
- 需要真正独立副本（含嵌套可变对象）→ 改用
copy.deepcopy() - 只读遍历大序列某段 → 用
itertools.islice(iterable, start, stop)，避免内存占用 - 频繁截取且原数据不变 → 可考虑用
memoryview（针对 bytes/bytearray）或 NumPy 切片（支持视图机制）
