Python通过引用传递[重复]

Question

您好，我想了解 Python 的引用传递是如何工作的。 我有一个例子：

>>>a = 1
>>>b = 1
>>>id(a);id(b)
140522779858088
140522779858088

这很有意义，因为 a 和 b 都引用了相同的值，它们将具有标识。我不太明白这个例子是怎么回事：

>>>a = 4.4
>>>b = 1.0+3.4
>>>id(a);id(b)
140522778796184
140522778796136

与本例不同：

>>>a = 2
>>>b = 2 + 0
>>>id(a);id(b)
140522779858064
140522779858064

是不是因为在第三个示例中，0 int 对象被解释器视为“无”，并且没有被识别为需要与变量“a”引用的对象不同的身份（2）？而在第二个示例中，“b”添加了两个不同的 int 对象，而解释器正在为要添加的这两个对象分配内存，这给变量“a”提供了与变量“b”不同的标识？

Answer 1

如here 所述，CPython 缓存从 -5 到 256 的整数。因此，此范围内具有相同值的所有变量共享相同的 id（不过，我不会打赌未来的版本，但这是当前的实施）

浮点数没有这种情况可能是因为可能的值有“无穷大”（不是无穷大，而是因为浮点数很大），因此与整数相比，通过不同方式计算相同值的机会非常低。

>>> a=4.0
>>> b=4.0
>>> a is b
False

Answer 2

Python 变量总是对对象的引用。这些对象可以分为可变对象和不可变对象。

可变类型可以在不修改其 id 的情况下进行修改，因此指向该对象的每个变量都会被更新。但是，一个不可变的对象不能这样修改，所以 Python 会根据更改生成一个新对象并重新分配变量以指向这个新对象，因此更改之前的变量 id 不会匹配更改后的变量 id变化。

整数和浮点数是不可变的，因此在更改后它们将指向不同的对象，因此具有不同的 id。

问题是CPython“缓存”了一些常见的整数值，这样就不会有多个具有相同值的对象以节省内存，而2是那些缓存的整数之一，所以每次变量指向整数 2 它将具有相同的 id（对于不同的 python 执行，它的值会有所不同）。

Answer 3

在您的第一个示例中，名称 a 和 b 都是“引用”同一个对象，因为 interning。赋值语句产生了一个具有相同id 的整数，只是因为它重用了一个恰好已经在内存中徘徊的预先存在的对象。这不是整数的可靠行为：

>>> a = 257
>>> b = 257
>>> id(a), id(b)
(30610608, 30610728)

如上所示，如果您选择了一个足够大的整数，那么它的行为将与第二个示例中的浮点数一样。无论如何，在 Python 语言中，插入小整数是可选，这恰好是一个 CPython 实现细节：它是一种性能优化，旨在避免创建新对象的开销。我们可以通过缓存常用的整数实例来加快速度，但代价是 Python 解释器的内存占用更高。

在处理 Python 时不要考虑“引用”和“价值”，适用于 C 的模型在这里并不适用。而是考虑“名称”和“对象”。

上图说明了您的第三个示例。 2 是一个对象，a 和 b 是名称。我们可以有不同的名称指向同一个对象。对象可以没有任何名称而存在。

分配变量仅附加名称标签。而删除变量只会移除名称标签。如果你牢记这个想法，那么 Python 对象模型将永远不会再让你感到惊讶。