一、对象和引用、内存管理机制
- 不可变对象类型有：整数、浮点数、布尔值、字符串、元组等
- 可变对象类型有：列表、字典、集合、可变的字节数组、用户自定义类
Python 的内存管理机制，包括引用计数、垃圾回收和内存池机制，是以对象引用为基础的。通过妥善管理对象引用，Python 能够高效地管理内存使用并回收不再使用的对象。
- 内存池机制和垃圾回收是 Python 内存管理机制的两个主要组成部分，其目标是减少内存碎片化和提高程序执行效率。Python 的内存池机制是 Python 解释器用于提高内存分配效率的一种机制。具体而言，这一机制通过预先在内存中申请一定数量的、大小相等的内存块来实现。当 Python 程序运行时需要分配内存给小对象时，它会首先尝试从内存池中分配内存，而不是直接向操作系统请求。这样做可以减少频繁申请和释放内存所造成的内存碎片，从而提高内存使用效率。Python 的内存池主要管理的是小于 256KB 的对象，大对象则直接通过操作系统进行内存分配。内存池机制是 Python 内存管理的一部分，与引用计数和垃圾回收机制共同工作，以有效管理内存资源。
- 垃圾回收则主要依赖引用计数机制，辅以标记-清除算法和分代回收策略，以解决循环引用问题并提高回收效率。引用计数记录每个对象被引用的次数，当引用计数降为零时，该对象将被视为垃圾并进行回收。标记-清除算法用于处理循环引用问题，而分代回收则通过将对象分为不同的代来提高回收效率。这些机制共同确保 Python 程序的高效执行，同时减轻了开发者在内存管理方面的负担。
is 和 == 在比较对象时的内容是不同的。具体来说，is 比较的是两个对象的内存地址，以确定它们是否为同一个实例对象；而 == 则比较的是对象的值是否相等，这通常涉及到调用对象的 __eq__() 方法。
Python 中的整数缓存特性。对于小整数，范围在（-5 ~ 256）之间的整数，使用 == 和 is 运算符得到的结果是相同的。这是因为 Python 在内部建立了一个数组缓存，当创建小整数对象时，会直接引用缓存中已有的对象，而不是每次都创建新的对象。在 Python 脚本中运行代码时，编译器可以看到整个程序并进行优化，所以超出范围的整数也会直接引用缓存中已有的对象。不同的 Python 版本和代码运行环境可能会影响整数缓存的功能哦！。
二、深拷贝与浅拷贝
深拷贝和浅拷贝是 Python 中两种重要的对象复制方法。
浅拷贝是通过复制对象的引用而非对象本身来实现的。在顶层，原始对象和复制的对象是独立的对象（内存地址不同，可用 id() 函数查看），但里面的子对象都是引用。在 Python 中，我们可以利用 copy 模块的 copy() 函数来创建一个对象的浅拷贝。对于基本数据类型（整数、浮点数、布尔值、字符串）或只包含不可变对象的复合数据类型（列表、元组、字典、集合），浅拷贝是安全且高效的。但如果原始对象包含其他可变对象（有嵌套的复杂对象，例如：列表中的列表和字典中的字典），则复制的对象将与原始对象共享内部子对象。这意味着对复制对象的内部子对象的修改也会反映在原始对象上。这就是为什么当原始对象包含其他可变子对象时，浅拷贝可能会带来问题。
这里注意一点：直接赋值其实就是对象的引用（别名），都指向同一个对象。因此，直接赋值跟浅拷贝 copy.copy() 还是有一定区别的。
深拷贝用于确保原始对象与复制对象之间的完全独立。它递归地复制原始对象及其所有子对象，从而创建一个与原始对象完全独立的新对象。这意味着对深拷贝对象的修改完全不会影响原始对象。Python 的 copy 模块提供了 deepcopy() 函数，用于执行深拷贝。deepcopy() 的工作原理如下：
- 检查对象的类型：首先，deepcopy() 会检查对象的类型。对于不同的类型，复制过程可能有所不同。
- 递归复制：对于嵌套的对象（如列表中的列表、字典中的字典和自定义对象等），deepcopy() 会复制原始对象及其所有子对象。这意味着它会继续对每个子对象执行深拷贝，直到遇到基本数据类型（如整数、字符串、浮点数等）为止。
- 处理循环引用：在复制过程中，deepcopy() 需要处理循环引用的情况。如果对象之间存在循环引用，deepcopy() 会跟踪这些引用，并确保在复制过程中不会创建无限递归的复制。
- 返回新对象：完成所有的复制后，deepcopy() 返回一个新的、与原始对象完全独立的复制对象。
浅拷贝适用于对象结构较为简单或仅需复制对象顶层结构的情况。而深拷贝则适用于对象结构复杂且需要完全独立副本的场景。在选择使用深拷贝还是浅拷贝时，应综合考虑对象的结构和复制需求。
虽然深拷贝提供了对象的完全独立性，但对于特别大的对象或包含复杂引用的对象，它比浅拷贝更耗时和消耗内存，因为它需要递归地复制原始对象及其所有子对象。此外，在某些情况下，如包含互相引用的对象，深拷贝可能会引起无限递归地尝试复制，直到达到 Python 的最大递归深度限制，从而引发 RecursionError。因此，在决定是否使用深拷贝时，需要根据实际需求权衡其优点和缺点。
总结：Python 中的深拷贝和浅拷贝对于有效地管理对象的复制至关重要。浅拷贝在对象结构较为简单、资源消耗较少的情况下提供了高效的复制方法，而深拷贝则适用于需要完全独立对象副本的复杂对象结构。在实际应用中，选择正确的拷贝方法可以避免潜在的程序错误并提高代码的效率。
