因为浅拷贝只复制顶层对象，嵌套的列表、字典等仍共享内存地址，修改嵌套内容会同步影响原对象；deepcopy虽能递归隔离多数嵌套引用，但对循环引用、不可序列化对象及自定义类状态异常等情况不适用。
为什么修改副本会影响原对象？
这是因为你用的是浅拷贝，或者根本没拷贝——比如直接赋值 a = b。Python 中的变量名只是对象的引用，copy.copy() 只复制顶层对象，嵌套里的列表、字典、自定义类实例等仍共享内存地址。一旦修改嵌套内容（比如 obj[0].append(99)），原对象同步变化。
deepcopy 真的能解决所有嵌套引用吗？
绝大多数情况可以，但要注意三个边界：
-
deepcopy无法处理循环引用：如果对象 A 持有 B，B 又持有 A，deepcopy会递归下去直到栈溢出或抛出RecursionError - 含有不可序列化对象（如文件句柄
open('x.txt')、线程锁threading.Lock()）时，deepcopy会失败并抛出TypeError - 自定义类若重写了
__reduce__或__getstate__，且逻辑有误，可能导致深拷贝后状态异常
什么时候不该用 deepcopy？
性能敏感场景下，deepcopy 是全量递归遍历，开销大。比如处理上万条嵌套字典的 JSON 数据时，比 json.loads(json.dumps(obj)) 慢 3–5 倍。更糟的是，它会拷贝所有属性，包括你不关心的私有字段或缓存属性（如 _cache）。实操建议：
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
- 确认是否真需要“完全隔离”——有时用
copy.copy()+ 手动重建关键嵌套层更轻量 - 对纯数据结构（
dict/list/tuple），优先考虑json.loads(json.dumps(obj))（注意：仅限 JSON 兼容类型，不支持datetime、set等） - 对 pandas DataFrame 或 numpy array，别用
deepcopy，直接调用.copy(deep=True)或.copy()，它们内部做了优化
如何验证 deep copy 是否生效？
别只看顶层 id() 不同，要检查嵌套对象的地址：
立即学习“Python免费学习笔记（深入）”；
import copy
a = [[1, 2], {'x': 3}]
b = copy.deepcopy(a)
print(id(a), id(b)) # 地址不同 ✅
print(id(a[0]), id(b[0])) # 地址也不同 ✅
print(id(a[1]), id(b[1])) # 地址也不同 ✅
a[0].append(99)
print(b[0]) # 输出 [1, 2]，未变 ✅
漏掉第二层 id() 检查，就容易误判——这是最常被跳过的验证步骤。
