探索 Python 的秘密：可变性、内存和效率之旅
作者：互联网
今天，我们将踏上一段激动人心的旅程，了解 Python 的内部工作原理。我们将揭开可变性和不可变性的层面，探索对象如何存储在内存中，并揭示 Python 的一些有趣的优化技巧。因此，系好安全带，准备好踏上充满见解和启示的旅程吧！
ID 和类型
想象一下：Python 中的每个对象都有其独特的身份和鲜明的个性，我们称之为类型。每个对象都有其在计算机内存中的地址以及一组定义其功能的特征。
```python x = 5 print(id(x)) # 输出：140719257121760 print(type(x)) # 输出：<class 'int'> ```
可变对象
现在，我们来谈谈可变对象——它们是 Python 世界的变形者！想想列表、字典和集合。您可以添加、删除或更改其中的元素，它们会在不改变其身份的情况下愉快地进行调整。这就像拥有一个粘土球，您可以随心所欲地塑造它！
```python my_list = [1, 2, 3] print(id(my_list)) # 输出：140719177831808 my_list.append(4) print(my_list) # 输出：[1, 2, 3, 4] print(id( my_list)) # 输出：140719177831808 (还是一样！) ```
不可变对象
另一方面，我们有不可变的物体——比如蒙娜丽莎，不变且永恒。字符串、整数和元组都属于这一类。一旦创建，您就无法对其进行调整。任何修改它们的尝试都会创建一个具有不同身份的全新对象。
```python
my_string = “hello”
print(id(my_string)) # 输出：140719257223280
my_string += “world”
print(my_string) # 输出：hello world
print(id(my_string)) # 输出：140719177777680 （新身份） ！）
```
不可变对象如何存储在内存中
Python 中的不可变对象作为单独的实体存储在内存中。当您修改不可变对象时，Python 将创建一个具有更新值的新对象，而原始对象保持不变。
为什么它很重要以及 Python 如何区别对待它们？
现在，为什么这一切都很重要？Python 以不同的方式对待可变对象和不可变对象，尤其是在内存管理和变量分配方面。可变对象允许就地更改，而不可变对象通过在修改时创建新副本来保持其完整性。
赋值与引用
赋值涉及给对象命名，而引用则涉及指向现有对象。在 Python 中，变量只是引用对象的名称，因此当您为变量分配值时，您正在引用保存该值的对象。
将参数传递给函数
当您将参数传递给 Python 中的函数时，您传递的是对对象的引用，而不是对象本身。这有一些令人难以置信的含义！即使函数结束后，对函数内可变对象所做的更改也会保留，而不可变对象仍保持原始状态。
```python def modify_list(lst): lst.append(4) my_list = [1, 2, 3] 修改_list(my_list) print(my_list) # 输出：[1, 2, 3, 4] ```
整数预分配
默认的 Python 解释器 CPython 预分配前 262 个整数（从 -5 到 256）以提高性能和内存使用率。这些整数在解释器启动时创建，并在程序执行过程中重复使用。
别名和 |NSMALLPOSINTS| 的机制 /|NSMALLNEGINTS|
Python 中的别名是引用同一对象的多个名称。让我们通过 |NSMALLPOSINTS| 来重点关注 Python 的优化能力 和|NSMALLNEGINTS|。这些常量表示解释器启动期间预先分配的小正整数和负整数的数量。这些整数的范围从 -5 到 256，是 Python 程序的主力，经常使用并且针对性能进行了高度优化。
为什么这些价值观很重要？
您可能想知道为什么有这些特定值。这些整数是 Python 程序中最常用的整数。通过为它们预先分配内存，Python 优化了内存使用并增强了性能，确保经常使用的整数值可以立即可用。
结论
当我们结束 Python 内部工作原理的旅程时，我们发现了它的一些最有趣的秘密。从可变性和不变性的动态舞蹈到 |NSMALLPOSINTS| 背后的巧妙优化 和 |NSMALLNEGINTS|，Python 以其优雅和高效让我们眼花缭乱并给予我们启发。
因此，下次编写 Python 代码时，请记住表面之下的魔力 — 内存中对象的复杂舞蹈、可变性和不变性的仔细平衡，以及使 Python 成为强大工具的巧妙优化。