浅拷贝只复制外层容器，嵌套可变对象仍共享内存地址；深拷贝递归复制所有层级，但受限于循环引用、不可序列化对象及自定义类缺陷。
因为浅拷贝只复制外层容器，嵌套的 list、dict 等可变对象仍共享内存地址；深拷贝则递归复制每一层，确保所有嵌套对象都是新实例——这是行为差异的根本原因。
浅拷贝修改嵌套列表时原对象跟着变
你看到的“改了副本，原对象也变了”，不是 bug，是浅拷贝的设计逻辑：它只新建最外层容器（比如新 list 对象），但里面每个元素仍是原对象的引用。如果某个元素本身是 [3, 4] 这样的列表，那副本和原对象指向的是同一个 list 实例。
-
copy.copy()、list.copy()、[:]、list(original)全是浅拷贝，行为一致 - 修改顶层元素（如
shallow[0] = 99）不影响原对象，因为这是在替换引用 - 修改嵌套可变对象内部（如
shallow[1].append(5)）会同步到原对象，因为shallow[1]和original[1]是同一个对象 - 验证方法：打印
id(original[1])和id(shallow[1])，值相同 → 共享引用
deepcopy 能隔离嵌套列表，但有三个硬限制
copy.deepcopy() 确实能让你安全地修改 deep[1].append(5) 而不波及原对象，但它不是万能解药，三类情况会直接失败或出错：
- 遇到循环引用（A 引用 B，B 又引用 A）→ 抛
RecursionError或卡死 - 对象含不可序列化内容（如
open('x.txt')、threading.Lock()）→ 抛TypeError - 自定义类重写了
__reduce__或__getstate__，但逻辑有缺陷 → 拷贝后状态异常，比如缓存字段丢失或重复初始化
别盲目用 deepcopy，先看数据结构和性能需求
对纯 JSON 兼容数据（dict/list/str/int 等），json.loads(json.dumps(obj)) 往往比 copy.deepcopy() 快 3–5 倍，且天然规避循环引用问题；但要注意它不支持 datetime、set、bytes 等类型。
立即学习“Python免费学习笔记（深入）”；
- 处理
pandas.DataFrame或numpy.ndarray？直接用.copy(deep=True)，它们内部做了专用优化，不用copy.deepcopy() - 只有一两层嵌套，且你知道哪些子对象需要隔离？用
copy.copy()+ 手动重建关键嵌套层（如new[2] = original[2][:]），更轻量 - 不确定是否真需要完全隔离？先检查是否只是读操作，或能否用不可变结构（如
tuple包裹嵌套list）避免误改
最容易被忽略的点是：验证深拷贝是否生效时，只比对顶层 id() 不够，必须逐层检查嵌套对象的 id() —— 尤其是第二层，跳过这步，90% 的人会误以为“已经拷贝成功”。
