Python中整数缓存的3个事实

引言

Python 有一个称为整数缓存的特殊功能。有时候，它可能会让我们感到困惑。例如，如果我们在 Python shell 上运行下面的代码，结果是令人惊讶的:

>>> a=256
>>> b=256
>>> a is b
True
>>> x=257
>>> y=257
>>> x is y
False

为什么256是256，而257不是257？有什么问题吗？

这还不是最奇怪的部分，如果我们把相同的代码放到一个文件中，并以 Python 脚本的形式运行它，结果会再次让我们大吃一惊！

a = 256
b = 256
print(a is b)
x = 257
y = 257
print(x is y)

我们将所有代码放入上面的脚本“ test.py”中，然后打开一个终端并运行脚本:

$ python test.py
True
True

如果你对这些也感到困惑，那就不用担心了。本文将揭示整数缓存特性的工作原理，并将其总结为三个事实。读完之后，你就不会再对它感到困惑了。

1. Python中的一小部分整数是Singleton

实际上，为了节省时间和内存开销，Python 总是预加载[-5,256]范围内的所有小整数。当在这个范围内声明一个新的整数变量时，Python 只是将缓存的整数引用到它，不会创建任何新的对象。

换句话说，[-5,256]中的所有整数都是Singletons，它们已经被保存在内存中了。我们不能在这个范围内创建新的整数对象。

因此，对第一个例子的解释是显而易见的:

· 当变量a及b 被分配到256上，它们被引用到存放256的同一个存储位置，他们指向同一个对象。

· 当变量a及b被分配给257，他们是两个不同的对象在不同的内存位置。

由于 is 操作符用于比较两个变量的内存位置，因此 a is b 应该输出 True，x is y 应该输出 False。

我们还可以使用 id ()函数，它打印出变量的内存位置，以证实上述解释:

>>> a=256
>>> b=256
>>> id(a)==id(b)
True
>>> x=257
>>> y=257
>>> id(x)==id(y)
False

2.如果python编译器可以看到全部，则情况就不一样了

如前所示，如果我们运行与 Python 脚本相同的代码，x = y 将输出 True。这当然不是偶然的。

事实上，Python 编译器是非常聪明的，并且会在引擎盖下为我们做许多优化。如果我们将代码作为一个整体运行，Python 编译器可以立即“看到”整个程序并进行相应的优化。

至于我们的例子，因为 Python 编译器看到了整个程序，它知道有两个变量 x 和 y，它们等于同一个整数257。因此，创建一个整数对象并将两个变量引用到其中是合理的。这种优化可以节省时间和内存成本。

但是，如果我们在交互式 Python shell 中逐行运行代码，编译器每次只能看到一行代码。

这意味着当我们输入 y = 257时，编译器只能看到这一行代码，而不能记住之前的代码 x = 257。因为257不在特殊范围内(即[-5,256]) ，所以会创建一个新的整数对象。

因为我们知道 Python 编译器的这个特性，所以我们可以使用一个技巧在交互式 shell 中使 x is y 输出为 True:

>>> x=257; y=257
>>> x is y
True

3. Python的实现和版本会影响整数缓存功能

上述所有示例和解释都基于 CPython，它是 Python 的标准实现。事实上，有一些替代的实现，比如 PyPy、 IronPython 和 Jython，它们的一些机制可能与 CPython 不同。

例如，在 PyPy 中，默认情况下禁用小整数缓存特性。如果我们想打开这个特性，我们应该首先启用它。有关详细信息，我们可以查看相应的 PyPy 文档。

此外，Python 的版本也很重要。我们在本文中使用的是 Python 3.8。由于 Python 是不断更新和发展的，没有人能够确保在未来的版本中不会改变一个特殊的功能。

总结

Python 内部有许多优化机制，我们应该了解它是如何工作的并影响我们的代码。整数缓存特性对于减少时间和内存开销是非常有用和必要的。

·  END  ·

HAPPY LIFE