copy.deepcopy在嵌套列表上慢是因为需逐层类型检查、递归调用、循环引用检测和memo缓存管理；二维规整结构应改用列表推导式或NumPy，可提速2–5倍并降内存；多数场景无需深拷贝，应按实际变异需求选择浅拷贝或手动隔离。
copy.deepcopy 在嵌套列表上慢，不是因为写错了，而是它根本没打算快——它得为每个子对象做类型检查、递归调用、循环引用检测和 memo 缓存管理。你越想保险，它越要多干活。
二维规整列表别用 copy.deepcopy，改用列表推导式
如果你的数据是“每行等长、元素类型一致”的二维结构（比如坐标矩阵、CSV 表格、图像像素），copy.deepcopy 的递归逻辑完全是冗余的。
-
[row[:] for row in nested]就足够：只对每行做浅拷贝，不递归进更深嵌套 - 如果确定是三维且深度固定，可用
[[cell for cell in row] for row in nested]，比copy.deepcopy快 2–5 倍，内存占用低一半以上 - 注意：
[[0]*3]*3这种初始化方式会导致所有子列表共享同一对象，即使后续用推导式拷贝也救不回来——初始化就得写成[[0 for _ in range(3)] for _ in range(3)]
能转 NumPy 就别硬扛纯 Python
只要你的嵌套结构是矩形的、元素类型统一（如全 int 或 float），np.array().copy() 是最省心的加速路径。
-
arr = np.array(nested); copied = arr.copy()通常在 3–5ms 内完成，而同等规模的copy.deepcopy要 300ms+ - 后续还得当
list用？copied.tolist()会重新变慢，所以尽量全程用数组操作 - 含
None、混合类型（如[1, "a"]）、或不等长子列表，NumPy 会退化为dtype=object，性能优势消失
多数场景其实根本不需要深拷贝
很多人把 copy.deepcopy 当成“防出错开关”无脑开，但业务逻辑往往没那么脆弱。
- 只读副本？直接传原对象，或加注释说明“禁止修改嵌套项”
- 只替换某一行：
new_data = old_data.copy()（浅拷贝）就够了 - 只改某一层某个字段（比如
config["users"][0]["tags"]）？手动复制关键路径：config_copy = copy.copy(config); config_copy["users"] = config["users"].copy() - 原始数据全是不可变对象（
int、str、tuple）？copy.copy()和copy.deepcopy()行为一致，但前者快得多
真绕不开 copy.deepcopy 时怎么少花点代价
如果确实必须深拷贝（比如多线程间传递用户会话状态），可以压缩它的工作量。
立即学习“Python免费学习笔记（深入）”；
- 提前
pop出大体积、不变字段（如 base64 图片字符串），拷贝完再塞回去 - 传空
memo字典：copy.deepcopy(obj, memo={})，避免缓存中间结果带来的额外内存开销（适合一次性小对象） - 超大结构（>10MB）可试
pickle.loads(pickle.dumps(obj))，某些数据分布下更快，但不保证行为等价（含lambda或文件句柄的对象会失败）
