#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
@file: interview04.py 
@time: 2022/8/28 22:05
@desc:
"""
import copy


"""
浅拷贝大白话就是浅一点的拷贝，深拷贝就是深一点的拷贝，不过这个和拷贝对象的数据层次
也有一定的关系，如果数据结构本身就是一层的，例如字符串、数字，只有一层的列表和字典
那么此时深浅拷贝的意义是一样的，只有对于多层的数据，深浅拷贝的不同之处才能体现出来
"""

# 浅拷贝
m = {"key1": ['value1', 'value2']}
n = copy.copy(m)
# 查看一下m、n的内存地址，发现m、n的内存地址是不同的，说明
# 在进行浅拷贝的时候n还是开辟出了一块新的内   存
print(id(m))
print(id(n))

print('==============================================')

# 接下来看一下嵌套在m、n中的数据是什么情况，在本例中是一个list
print(id(m['key1']))
print(id(n['key1']))

print('==============================================')

# 输出结果发现m、n子对象的内存地址是一样的，说明浅拷贝的时候是原来
# 子对象的引用而已，两者是会同步变化的
# 我们来验证一下，给子对象追加一个元素看看
m['key1'].append('value3')
print(m)
print(n)

# 测试结果发现，m中的子对象值追加了，那么n同步发生改变了，这种拷贝在数据量
# 大的时候会节省很多内存，可见浅拷贝还是很有意义的

print('==============================================')

# 深拷贝
# 同样的我们来研究一下深拷贝，就会发现两者之间的区别了
m = {"key1": ['value1', 'value2']}
n = copy.deepcopy(m)
# 查看一下m、n的内存地址，发现m、n的内存地址是不同的，说明
# 在进行深拷贝的时候n开辟出了一块新的内存
print(id(m))
print(id(n))

print('==============================================')

# # 接下来看一下嵌套在m、n中的数据是什么情况，在本例中是一个list
print(id(m['key1']))
print(id(n['key1']))

print('==============================================')

# 输出结果发现m、n子对象的内存地址是不一样的，说明深拷贝的时候
# 会创建新的对象，两者是不会同步变化的
# 我们来验证一下，给子对象追加一个元素看看
m['key1'].append('value3')
print(m)
print(n)

# m新加了value3，n中没有同步变化，说明两者确实是没有关系的，互不影响的
# 不过由此就可以看出深拷贝的问题，如果有大量数据的时候深拷贝会要求有很多的内存
# 要注意内存大小的问题了