引言
写torch过程中接触到torch.clone() 和 python.copy()
理解Python中的对象复制概念
在Python中，有三种主要的方式来”复制”一个对象：
- 赋值操作（=）：创建对原始对象的引用，而非复制对象本身
- 浅复制（Shallow Copy）：创建一个新对象，但内部元素仍指向原始对象
- 深复制（Deep Copy）：创建一个全新的对象，包括所有嵌套的对象
赋值操作
list1 = [1, 2, [3, 4]]
list2 = list1 # 赋值操作，list2引用与list1相同的对象
list2[0] = 5
print(list1) # 输出：[5, 2, [3, 4]]
在这个例子中，list1和list2指向内存中的同一个对象。修改list2也会影响list1，因为它们实际上是同一个列表的两个名称。
.copy() 方法详解
在Python的标准库中，.copy()方法用于创建对象的浅复制。
内置数据类型中的.copy()
Python的多种内置容器类型都提供了.copy()方法：
列表的.copy()
original_list = [1, 2, [3, 4]]
copied_list = original_list.copy()
# 修改基本类型元素
copied_list[0] = 5
print(original_list) # 输出：[1, 2, [3, 4]]
print(copied_list) # 输出：[5, 2, [3, 4]]
# 修改嵌套列表
copied_list[2][0] = 30
print(original_list) # 输出：[1, 2, [30, 4]]
print(copied_list) # 输出：[5, 2, [30, 4]]
这个例子展示了浅复制的本质：外层容器是独立的，但内部嵌套的可变对象仍然是共享的。
字典的.copy()
original_dict = {'a': 1, 'b': [2, 3]}
copied_dict = original_dict.copy()
# 修改键值
copied_dict['a'] = 10
print(original_dict) # 输出：{'a': 1, 'b': [2, 3]}
print(copied_dict) # 输出：{'a': 10, 'b': [2, 3]}
# 修改嵌套列表
copied_dict['b'][0] = 20
print(original_dict) # 输出：{'a': 1, 'b': [20, 3]}
print(copied_dict) # 输出：{'a': 10, 'b': [20, 3]}
与列表类似，字典的.copy()方法也创建浅复制。
其他创建浅复制的方式
除了使用.copy()方法，Python还提供了其他创建浅复制的方式：
# 使用切片操作创建列表的浅复制
list_copy = original_list[:]
# 使用list()构造函数
list_copy = list(original_list)
# 使用dict()构造函数
dict_copy = dict(original_dict)
.copy()的局限性
浅复制对于简单的数据结构可能足够，但当处理包含嵌套可变对象的复杂数据结构时，修改复制对象的嵌套元素会影响原始对象，这可能导致难以追踪的错误。
实现深复制
当需要创建对象的完全独立副本时，我们需要使用深复制。Python的copy模块提供了deepcopy()函数：
import copy
original_list = [1, 2, [3, 4]]
deep_copied_list = copy.deepcopy(original_list)
# 修改嵌套列表
deep_copied_list[2][0] = 30
print(original_list) # 输出：[1, 2, [3, 4]]
print(deep_copied_list) # 输出：[1, 2, [30, 4]]
深复制会递归地复制所有嵌套对象，确保原始对象和复制对象完全独立。
torch.clone() 方法详解
在PyTorch中，张量（Tensor）对象提供了.clone()方法，用于创建张量的深复制：
import torch
original_tensor = torch.tensor([1, 2, 3])
cloned_tensor = original_tensor.clone()
# 修改克隆张量
cloned_tensor[0] = 5
print(original_tensor) # 输出：tensor([1, 2, 3])
print(cloned_tensor) # 输出：tensor([5, 2, 3])
PyTorch的.clone()方法确保了新张量有自己的内存，与原始张量完全分离。
Pandas中的复制操作
在Pandas库中，DataFrame对象提供了.copy()方法，但与Python标准库不同，它可以接受一个deep参数来指定是浅复制还是深复制：
import pandas as pd
df_original = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df_shallow = df_original.copy(deep=False) # 默认是deep=True
df_deep = df_original.copy(deep=True)
NumPy中的复制
NumPy数组可以使用.copy()方法创建深复制：
import numpy as np
arr_original = np.array([1, 2, 3])
arr_copied = arr_original.copy()