python中列表和numpy数组的地址和一些奇怪的东西

如果我能在python中看到列表、数组和字符串的内存地址，我会很好奇，因为我发现了一些有趣而奇怪的东西。有人能解释一下发生了什么事吗

>>> l = [1,1,2,2,3,3]
>>> for i in range(6):
...     adr = str( id(l[i]) )
...     print(f'{l[i]}: {adr[-6:]}')
... 
1: 422400
1: 422400
2: 422432
2: 422432
3: 422464
3: 422464
>>> 

您可以清楚地看到，根据id文档，具有相同值的元素将位于相同的内存地址中：

CPython实现细节：这是内存中对象的地址

字符串也会发生这种情况 第二件奇怪的事情发生在numpy数组上，我不知道列表和字符串是否会发生这种情况

>>> arr
array([1, 2, 3, 4])
>>> id(arr)
140318415946496
>>> id(arr[0])
140318415101680
>>> id(arr[1])
140318415101680
>>> id(arr)
140318415946496
>>> id(arr[0])
140318415101904
>>> id(arr[1])
140318415101904
>>> id(arr)
140318415946496
>>> id(arr[0])
140318415101680
>>> id(arr[1])
140318415101680
>>> 

每当我为arr的地址调用id时，arr[0]的地址都会更改。

---

在Python3.8.0上运行它会变得更好，如果多次调用

arr[0]

，每次都会得到不同的结果。原因如下：虽然常规列表包含对（Python）对象的引用，但numpy数组在内部将数据存储为C数组。在这种情况下，无论何时尝试查询项的标识，都必须首先创建一个新的Python对象

一般来说，整数的标识没有意义，如中所述：例如

a，b=256256
#`is`=比较对象标识的运算符
a是b#对的
a、 b=257257
a是b#False

在这种情况下，

is

/

id

的行为毫无意义，因为它取决于实现细节、编译器优化（在交互式解释器和脚本中运行代码的结果可能不同）等。下面讨论与numpy相关的情况：

总之，这些东西很有趣，但对程序员没有帮助，因为标识和

is

操作符不应该这样使用。

id

/

的两个相关案例是


测试某个内容是否
无
，或
检查变异
x
是否也会变异
y
，因为两者引用相同的对象

（）
奇怪的是列表，而不是数组。无论如何，您看到的小整数和（可能）小字符串的行为是由于内部优化而产生的实现细节。你应该对这种行为感到惊讶。Numpy会在索引时创建一个新对象，因为Numpy.ndarray对象包含基本的数字数组，所以对于这个a和b示例，对具有相同id值的元素的解释是相同的？您是指第一个示例，列表
l=[1,1,2,2,3,3]
？是的，因为当前的CPython实现为
-5
和
256
（）之间的所有整数保留一个整数对象数组。从
257
开始，将生成新对象。关于Numpy：Numpy数组在内部存储为C数组。数组中的每个条目都只是一个数字。每当访问数组项时，Numpy都会根据一个数字创建一个Python对象。原因是Numpy针对阵列上的高效存储和矢量化操作进行了优化，而不是针对单个元素的访问。