Python中 '==' 与'is' 以及它们背后的故事

摘要

　　比较判断逻辑是在代码中经常使用的，在Python中常用 '==' 和 is 来做比较判断。

• ==  :  双等号是用来比较变量所指向内存单元中的值是否相等，它只关心值，并不在意值的内存地址，也就是说可以是两个不同内存地址的值相等。
• is    :  它用来比较两个变量是不是指向同一个内存单元，虽然它也可以比较值，但是它更加关心的是内存地址是否一样，当然内存地址一样值也就是一样的。

关于整数

# 按照逻辑，下面的代码很正常
>>> a = 1
>>> b = 1
>>> a == b
True
>>> a is b
True
>>> id(a)
1570522768
>>> id(b)
1570522768
# 下面就是颠覆认知的时刻
>>> a = 1000
>>> b = 1000
>>> a == b
True
>>> a is b
False
>>> id(a)
81183344
>>> id(b)
81183376

　　是的，两个相同值的变量，内存地址不一样了。当然产生这个现象的前提条件是用python命令行去执行，而不是用pycharm之类的编辑器。其根本原因也就是python解释器的问题，涉及到python的垃圾回收机制。上面现象的原因是因为一个叫做小整数对象池的东西。

　　 Python为了优化速度，会把 [-5, 256] 之间的数据提前存放在小整数池中，如果程序使用到小整数池中的数据，是不会开辟新的内存空间去创建，而是指向对象池中的同一份数据，也就是说有N个变量等于1的话，那么这N个变量的内存地址都会指向小整数池中的1位置。小整数池的使用是为了避免整数频繁申请和销毁内存空间。小整数池是提前建立好的，不会被垃圾回收。

　　当数据超出小整数池后，也就是范围到了大整数对象池中了，系统每次都会申请一块新内存来存储数据，这个'is'不等于'=='的现象也就不存在了。

　　pycharm中，每次运行是所有代码都加载到内存中，属于一个整体，并不存在这个现象。

关于字符串　

# 先来个正常的
>>> a = 'qwe'
>>> b = 'qwe'
>>> a == b
True
>>> a is b
True
>>> id(a)
81797024
>>> id(b)
81797024
#  感觉没什么变化，那就加长一些
>>> a = 'q' * 20
>>> b = 'q' * 20
>>> a is b
True
>>> a == b
True
# 在长点就不一样了
>>> b = 'q' * 21
>>> a = 'q' * 21
>>> a is b
False
>>> a == b
True
>>> id(a)
81811696
>>> id(b)
81811600

　　产生原因：Python的intern机制。

　　简单理解有点像缓存的意思，当需要使用相同的字符串时（变量赋值），直接从缓存中拿出来用而不是重新创建，这样可以避免频繁的创建和销毁，提升效率，节约内存。缺点是拼接字符串，对字符串修改之类的影响性能。因为是不可变的，所以对字符串修改不是inplace操作，而是新建对象。这也就是拼接字符串的时候不建议是用 '+' 方法，而是推荐用join 函数，join函数是先计算出所有字符串的长度，然后一一拷贝，而只创建一次对象。每个'+'方法都是创建一次新对象。当字符串长度超过20时，也不会使用intern机制。

　　并不是所有的字符串都会采用intern机制。只包含下划线，字母（包含大小写），数字的字符串才会被intern。空格和一些特殊字符都不在内。也就是说字符串中如果包含空格和其他一些特殊符号（除去下划线），python都不会应用intern机制，而是直接开辟新的内存空间去存储。

# 注意下面这种看似合理的字符串intern
>>> 'ab' + 'c' is 'abc'         #  这里的字符串，'ab' + 'c' 是在complie time 求值的，被替换成了'abc'
True
>>> n1 = 'ab'
>>> n2 = 'abc'
>>> n1 + 'c' is n2               # n1 + 'c'  是在run-time拼接，导致没有被自动intern
False
>>> n1 + 'c' is 'abc'
False
>>> n1 + 'c' == 'abc'
True
>>> n1 + 'c' == n2
True