Python通过引用传递[重复]

Posted 2023-02-21

【中文标题】Python通过引用传递[重复]

【英文标题】：Python's Passing by References [duplicate]

【发布时间】：2017-08-12 00:06:36

【问题描述】：

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？

【问题讨论】：

很好的问题，将尝试回答，但您需要了解完全 Python 专用的概念。

@Adirio 刚刚意识到我说的是“内存地址”而不是身份，我进行了调整。目前正在从 C++ 过渡。

这与 Python 存储小整数的方式有关，以节省内存。您可能对this article 感兴趣。

脉冲“通过引用传递”将我指向那个方向（从 C++ 过渡），但我理解你的问题。我试着在下面用简单的方式回答。

Python interning 上已有 329 个帖子！请找出规范的副本。

【参考方案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

【讨论】：

从技术上讲，你应该说 CPython 缓存从 -5 到 256 的整数，因为在 Python 语言的其他实现中可能不是这样。

另外，有点令人困惑的措辞：“此范围内的所有值都具有相同的 id”。我知道你的意思，但对于 python 新手来说，这听起来像是你在说从 -5 到 256 的所有数字共享一个 id，这是不正确的。

@Caleb True 现在更清楚了，感谢您的评论。

【参考方案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）。

【参考方案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。

【讨论】：

我不喜欢使用“引用”这个词，因为它带来了不必要的 C 包袱（关于内存位置的详细信息，我们在 Python 中不需要关心，因为我们在更高层次的抽象）。它是一个name，因为它存在于某个namespace中。

我不想学究气，但它是文字字符串 "a" 和 "b" 是名称，而 a 和 b （变量）是对对象的引用在记忆中。此外，在使用 Python 编程时，您应该注意引用，我已经看到了很多由于对象的引用计数下降到零（并且对象被垃圾回收）而发生的错误。

@a_guest 你是怎么遇到的？在 Python 中，引用计数位于幕后，因此除非您使用来自 weakref 模块的类或有缺陷的 C 扩展（或正在编写自己的扩展），否则您不应该遇到对象仍然可以访问的这种情况。

@JAB 公平地说，我只在使用PyQt 时才看到它。如果您不保留小部件的引用，则可能会发生各种有趣的事情。大多数时候它们只是消失了，但有时情况会更微妙一些，例如见this question。

我不明白你不同意什么。我已经在答案中写到“对象可以在没有任何名称的情况下存在”，例如在L = [1, [], 'hello'] 中，“内部”列表有一个引用（通过L[1]）但范围内没有名称。无论您使用何种术语，都需要说明此类示例，因此最好选择不同的词来分别解释名称和引用的概念。