关于Python中深拷贝与浅拷贝的理解（二）---排bug

上一篇中介绍了Python中深拷贝与浅拷贝的区别。既然明白了bug所在，talk is cheap，开撸。

既然是输入数据遭到了修改，那第一思路是将所有出现引用输入数据的地方均加上copy.deepcopy()，使每次在计算时数据可以随便改动，但原始数据保持不变。

但作为一个强迫症来讲，每个地方的引用都加上深拷贝，这对空间和时间的消耗肯定都有增加（虽然对于我的小软件并没有什么明显的区别），所以，必须得找真正改动原始数据的地方，再用深拷贝！


其实这也没什么，无非是看看构造的ui类中的函数有没有修改原始数据的地方，以及引用的函数文件中的函数有没有改变原始数据的地方。

其实代码只有两千多行（小软件……），但是还是检查了一天。。这里为了试验Pandas和Numpy的数据何时会产生变化，还在控制台试了几组数据，粘贴于此：










l

总体来讲“

用concat会生成一个全新的对象，对原有的数据并没有引用
DataFrame直接加上一个数字（经过运算），也得到全新的对象
用DataFrame的values属性对一个对象进行赋值，数据会引用，不是深拷贝
从数组中取出一个数，对其进行改变，并不影响原数组
对深拷贝和浅拷贝的情况有了一个大体上的了解，有时间进行深入的学习。

但是！

！

！

我在改到后面的代码时，忽然测试到前面仍有类似的问题没有改掉！

一行一行看代码改，这种方法效率太低下了！准确率还不能保证！


必须要找一个简单的测试方法，可以监视每次操作软件时，各数据有没有改动，这部分下篇博客进行介绍。