南昌建设医院官方网站免费的室内装修设计软件

大家好，欢迎来到 Crossin的编程教室 ！

接下来的几个例子，可能会颠覆你对 Python 的认知。

我们知道，Python 判断两个数值是否相等的运算符是「==」。比如有一个变量 a 是整数 1，另一个变量 b 是小数 1.0，尽管它们类型不同，但代表的数值是相等的，所以 a == b 结果是 True。

Python 中还有一个运算符 is，它用来判断两个对象是否相同。

一个是相等，一个是相同，虽然只差一个字，但 is 却没有那么简单。

我们打开一个 Python 交互环境，在里面定义一个变量 a = 1.0，再定义一个变量 b = a。

a is b 的结果是 True，这个还算好理解，因为 b 就是 a 嘛。

如果 b 不是由 a 赋值，而是直接赋值为 1.0。这时 a is b 的结果就是 False。这个也可以理解，虽然值相等，但它们是两个变量，并不相同。

不过接下来，情况就开始变得复杂了。

你要说分别赋值的变量就是不相同，那我们把赋给变量的值，从 1.0 改成 1，结果就又成了 True。

难道是因为浮点数和整数类型的原因吗？

那我们再把值从 1，改成 1000，同样是整数，结果却是 False。

然而还没完，我们把同样的代码写在一个 py 文件中运行，结果就是 True。

但也不全是 True。如果这两个变量不在一个作用域，就是 False。

你可能要说，不同作用域的变量肯定不相同嘛，但如果值改回为 1，又成了 True。

前面的例子都是直接赋值，那如果加入计算会怎样？

我们在让 b 在 a 的基础上加上 0，b 的值完全没有变化，结果却从 True 变成了 False。

但再换个计算式，又是 True

这到底是怎么回事呢？

背后的原因其实是 Python 解释器的三个优化操作。首先，是

1. 小整数池

Python 为了优化速度，在每次执行代码时，会提前把 -5 到 256 的整数创建好。因为这些小整数是会被经常用到的。而当你创建一个值在这个范围内的整数时，就不是临时再去创建一个对象，而是直接指向已经建好的对象。所以不管你有多少个变量，实际都是同一个对象。

我们可以用id函数来验证这一点：

而对于小数没有这样的优化，因为小数实在太多了。大于 256 的整数也没有。

那为什么写在 py 文件里的大整数就是相同的呢？这就要说到 Python 另一个优化：

2. 大整数缓存

尽管大于 256 的整数不会提前创建好，但如果 Python 解释器发现你用到重复的整数常量，也会将后面的变量指向已经创建好的对象。

所以不仅是在 py 文件中，即使在交互环境下，如果把两个大整数的赋值写在同一行，或者放在一个代码块中，也会发现它们是相同的。

但这种优化仅限于数值常量，对于带有变量的计算就不起作用了，因为 Python 无法提前预判变量的值。

而对于不带变量的纯数值计算，Python 又做了一次优化：

3. 常量折叠

Python 在编译阶段会把常量表达式计算成结果并替换。所以不管你是 10 * 100 还是 10 ** 3 又或是 111 * 9 + 1，对 Python 来说都是 1000，于是也同样被缓存了。

以上这些，就是 is 会呈现出看似混乱结果的原因。但请注意，这些解释器的优化，并不是 Python 语言层面的特性。它们可能因环境和版本的不同而产生不同的结果。

比如在 Python 3.7 中，不同作用域的大整数不会被缓存为同一个对象，但在 Python 3.11 中，却是相同的。

作为开发者来说，最好的选择就是不要在比较数值相等时使用 is。只有一种情况建议用 is 而不是 ==，那就是判断一个值是否为空值 None。

你知道是什么原因吗？欢迎留言区讨论。