python 的 is 与 == 区别

输入如下代码

>>> b = [0, 1]
>>> c = b[:]
>>> d = b

>>> print(b is c)
False
>>> print(b is d)
True

为什么会有如上结果呢？

"is" 比较的是两个实例对象是不是完全相同，它们是不是同一个对象，占用的内存地址是否相同。莱布尼茨说过：“世界上没有两片完全相同的叶子”，这个is正是这样的比较，比较是不是同一片叶子（即比较的id是否相同，这id类似于人的身份证标识）。

"==" 比较的是两个对象的内容是否相等，即内存地址可以不一样，内容一样就可以了。这里比较的并非是同一片叶子，可能叶子的种类或者脉络相同就可以了。默认会调用对象的 __eq__()方法。

可以通过 id 来查询分辨两个实例对象是否相同

>>> id(b)
2479316523720
>>> id(c)
2479316523912
>>> id(d)
2479316523720

这个其实就跟深浅层copy的原理很类似了。

• 整形数据

在python IDE中，-5~256 范围的整形数，内存地址是缓存好的。如果超出这个范围，多次引用内存地址会发生变化。

>>> id(-6)
2479315586096
>>> id(-6)
2479315584432
>>> id(-5)
1524002080
>>> id(-5)
1524002080

• 字符串

字符串算是进程里实例数量较多的类型之一，因为无处不在的名字就是字符串实例。

鉴于相同名字会重复出现在各种名字空间里，那么有必要让它们共享对象。内容相同，且不可变，共享不会导致任何问题。关键是可节约内存，且省去创建新实例的调用开销。

对此，Python 的做法是实现一个字符串池(intern)。池负责管理实例，使用者只需引用即可。另一潜在好处是，从池返回的字符串，只需比较指针就可知道内容是否相同，无需额外计算。可用来提升哈希表等类似结构的查找性能。

>> > "__name__" is sys . intern ( "__name__" )

True

除了以常量方式出现的名字和字面量外，动态生成字符串一样可加入池中。如此可保证每 次都引用同一对象，不会有额外的创建和分配操作。

>> > a = "hello, world!"

>> > b = "hello, world!"

>> > a is b   # 不同实例。

False

>> > sys . intern ( a ) is sys . intern ( "hello, world!" ) # 相同实例。

True

当然，一旦失去所有外部引用，池内字符串对象会被回收。

>> > a = sys . intern ( "hello, world!" )

>> > id ( a )

4401879024

>> > id ( sys . intern ( "hello, world!" ) ) # 有外部引用。

4401879024

>> > del a   # 删除外部引用后被回收。

>> > id ( sys . intern ( "hello, world!" ) ) # 从 id 值不同可以看到新建，入池。

4405219056

字符串池实现算法很简单，就是简单的字典结构。 详情参考 Objects/unicodeobject.c : PyUnicode_InternInPlace。

做大数据处理时，可能需创建海量主键，使用 intern 有助于减少对象数量，节约大量内存。