Python之可变对象和不可变对象

Python之可变对象和不可变对象

• 可变对象（mutable）：对象本身的值可以改变，即改变对象内部的值的 时候，这个对象的id不会发生变化

• 不可变对象（immutable）：对象本身的值不能被修改，即改变对象内部的值的 时候，这个对象的id会发生变化

本章主要探讨（不）可变对象值一样id的变化

测试环境为3.9

1. 可变对象
   可变对象包括：list（列表）、dict（字典）、set（集合）

>>> #以list为例子
>>> a_list=[1,2,3]
>>> id(a_list)         #输出：2961286586688
>>> a_list.append(4)   
>>> #对可变数据类型的操作不能是直接进行新的赋值操作，比如说a=[1,2,3,4,5,6,7]，这样的操作就不是改变值了，而是新建了一个新的对象，这里的可变只是对于类似于append、+=等这种操作。
>>> id(a_list)         #输出：2961286586688

>>> #以list为例子
>>> a_list=[1,2,3]
>>> b_list=[1,2,3]
>>> id(a_list),id(b_list)   #输出：2339722453440 2339719495616

2. 不可变对象
   不可变对象包括：int（整型）、float（浮点型）、str（字符串）、bool（布尔）、complex（复数）、truple（元组）

>>> a=1
>>> id(a)   #输出:2350887299376
>>> a=2
>>> id(a)   #输出:2350887299408
>>> #并不改变原始对象的值,只是创建一个新对象,并指向该变量，原始对象让Python的GC回收

• int型

>>> #int值比较小时，值一样的变量id就一样，值变化id就变化。
>>> a=1
>>> b=1
>>> a is b   #输出:True
>>> #int值比较大时，值一样的变量id也不一样，值变化id就变化。
>>> a=257
>>> b=257
>>> a is b   #输出:False

该情况是在cmd运行，较小的整数会很频繁的被使用，Python为了优化速度，使用了小整数对象池，避免为整数频繁申请和销毁内存空间。
Python对小整数的定义是 [-5, 256] 这些整数对象是提前建立好的，不会被垃圾回收。
在一个 Python 的程序中，无论这个整数处于LEGB中的哪个位置，所有位于这个范围内的整数使用的都是同一个对象。
当在Python的IDLE运行下，情况会有所不同。因为它使用的是大整数对象池。
在终端中，每次执行一次，所以每次大整数都重新创建。而在IDLE中，每次运行是所有代码都加载都内存中，属于一个整体，所以这个时候会有一个大整数对象池，即处于一个代码块的大整数是同一个对象。

• str型

>>> a="hello"
>>> b="hello"
>>> a is b            #输出:True
>>> a="hello world"
>>> b="hello world"   
>>> a is b            #输出:False
>>>> a="12"
>>> b="12"
>>> a is b            #输出:True
>>> a="1 2"
>>> b="1 2"
>>> a is b            #输出:False

对于str型，Python采用intern机制。单词类型的str由于被重复使用的概率比较大，所以在python中为单词类型的str做了一个缓存。
也就是说如果是单词类型的str，会被存储到一个字典(dict)中，字典的内容是字符串为key，地址为value。当有一个字符串需要创建，就先去访问这个字典，如果存在则返回字典中字符串的地址，如果不存在，则返回新创建的地址，并将这个字符串添加进入字典。
intern机制处理空格一个单词的复用机会大，所以创建一次，有空格创建多次，但是字符串长度大于20，就不是创建一次了。
需要强调的是终端与IDLE的处理情况仍不相同，有兴趣的可自行实验

https://www.jb51.net/article/183220.htm这篇帖子中还探讨了一个有趣的现象，与Python编译机制有关，欢迎大家拜读

• float型

>>> a=1.1
>>> b=1.1
>>> a is b   #输出:False

对于float类型的使用自然没有int那么频繁，并且float类型也不好定义哪些常用，也就没有池子给到这个类型，所以每次重新创建即可
truple类型也与float类型相似

参考：https://www.cnblogs.com/shiyublog/p/10809953.html
https://www.jianshu.com/p/b3157c9751d0