应对复杂嵌套对象拷贝的核心是理解“改哪一层会影响原对象”并按需选择复制粒度：赋值不等于拷贝；只读无需拷贝；浅拷贝适用于不可变子对象或仅操作顶层；深拷贝用于含可变嵌套结构；性能敏感时可用列表推导、手动逐层copy或json序列化替代。

应对复杂嵌套对象拷贝的核心，是理解“改哪一层会影响原对象”，并按需选择复制粒度。

先判断是否真需要拷贝

很多问题其实源于误用赋值：a = b 并不是拷贝，只是多了一个名字指向同一块内存。如果后续只读不改，根本不需要 copy；如果只是临时隔离某次函数调用的输入，可在函数开头 deepcopy 一次，避免污染上游数据。

浅拷贝够用的场景

当嵌套结构里所有子对象都是不可变类型（如字符串、数字、元组），或你明确只操作顶层元素时，浅拷贝安全又高效：

• 用 list.copy() 或 [:] 处理一维列表
• 用 dict.copy() 复制键值对，且值全是字符串或数字
• 修改副本的顶层项（如 b[0] = 100 或 d['name'] = 'Alice'）不会波及原对象

必须用深拷贝的情况

只要嵌套中存在可变对象（列表、字典、集合、自定义类实例），且你可能修改其内部内容，就必须用 copy.deepcopy()：

• 二维及以上列表：[[1,2], [3,4]]
• 含列表的字典：{'data': [1,2,3], 'meta': {'version': 2}}
• Pydantic 模型或 Beanie Document 的嵌套字段（如 user.profile.address）

它会递归复制每一层，确保 new[0][1] 和 original[0][1] 完全无关。

性能敏感时的替代方案

deepcopy 开销大，若结构固定且层级已知，可用更轻量的方式：

• 二维列表：用 [row[:] for row in original] 或 [row.copy() for row in original]
• 三层以内字典+列表混合：手动逐层 copy，比如先 outer = original.copy()，再对每个可变值单独 copy.copy(v)
• 仅限 JSON 兼容数据：json.loads(json.dumps(obj))（不支持函数、datetime、自定义类）