1.深淺拷貝差別實驗

首先直接上結論：

—–我們尋常意義的複製就是深複製，即將被複制物件完全再複製一遍作為獨立的新個體單獨存在。所以改變原有被複制物件不會對已經複製出來的新物件產生影響。 
—–而淺複製並不會產生一個獨立的物件單獨存在，他只是將原有的資料塊打上一個新標籤，所以當其中一個標籤被改變的時候，資料塊就會發生變化，另一個標籤也會隨之改變。這就和我們尋常意義上的複製有所不同了。

對於簡單的 object，用 shallow copy 和 deep copy 沒區別（這裡的簡單是指資料裡面不存在存在其他資料結構巢狀）

複雜的 object， 如 list 中套著 list 的情況，shallow copy 中的 子list，並未從原 object 真的「獨立」出來。也就是說，如果改變原 object 的子 list 中的一個元素，你的 copy 就會跟著一起變。這跟我們直覺上對「複製」的理解不同。

# -*-coding:utf-8 -*-
import copy
a = [1, 2, 3, 4, ['a', 'b']] #原始物件
 
b = a #賦值，傳物件的引用
c = copy.copy(a) #物件拷貝，淺拷貝
d = copy.deepcopy(a) #物件拷貝，深拷貝
 
a.append(5) #修改物件a
a[4].append('c') #修改物件a中的['a', 'b']陣列物件
 
print 'a = ', a
print 'b = ', b
print 'c = ', c
print 'd = ', d


輸出結果：
a =  [1, 2, 3, 4, ['a', 'b', 'c'], 5]
b =  [1, 2, 3, 4, ['a', 'b', 'c'], 5]
c =  [1, 2, 3, 4, ['a', 'b', 'c']]
d =  [1, 2, 3, 4, ['a', 'b']]
 

2. Python資料儲存

Python 儲存變數的方法跟其他 OOP 語言不同。它與其說是把值賦給變數，不如說是給變數建立了一個到具體值的 reference。

當在 Python 中 a = something 應該理解為給 something 貼上了一個標籤 a。當再賦值給 a 的時候，就好象把 a 這個標籤從原來的 something 上拿下來，貼到其他物件上，建立新的 reference。 這就解釋了一些 Python 中可能遇到的詭異情況。

其實這個現象用指標的淺拷貝和深拷貝理解最直觀，所謂的淺拷貝相當於多個指標指向同一個資源區，一旦資源區被改變，那麼所有指標指向的內容都會發生改變。更危險的是，如果我們釋放了其中一個指標，在進行其他指標的釋放時，就會造成嚴重的記憶體洩漏。

為了避免這種情況，我們自然想到單獨建立一塊記憶體空間，對內容進行完全的複製拷貝。

3. Python 為什麼比C++慢很多

其實，Python的跨平臺效能和執行速度一起來研究就更有意義了。

Python的原始碼首先要被翻譯成位元組碼m.pyc，然後現在Python的虛擬機器上執行生成可供CPU執行的機器碼。

而C++卻不一樣，C++編譯器是直接將原始碼翻譯成機器碼供給CPU執行，自然而言，C++的速度更快。

此外，python是一種動態型別，解釋型語言，它的值都是儲存在分散的物件中，而不是緊密的快取之中。這意味著編譯器在程式執行之前並不知道變數定義的型別。

4.參考資料

《Python從入門到精通》