python内部函数和id

在实验python装饰器时，我得到了一个超出我理解的结果，与内部函数、闭包、赋值相关

我尝试下面的代码

def myfunc():
    print("myfunc")

def decorator1(func):
    def inner1(*args, **kwargs):
        func(*args, **kwargs)
    print("inner1 id = %d " % id(inner1))
    # print(inner1.cache)
    # return inner1

def decorator2(func):
    def inner2(*args, **kwargs):
        func(*args, **kwargs)
    inner2.cache = {}
    print("inner2 id = %d " % id(inner2))
    print("\t\t\t cache id = %d " % id(inner2.cache))
    return inner2

# Block1 all same
decorator1(myfunc)
decorator1(myfunc)
decorator2(myfunc)
decorator2(myfunc)
decorator1(myfunc)
decorator1(myfunc)
print()

# Block2 deferrent when d2 = ...
decorator1(myfunc)
decorator1(myfunc)
d1 = decorator2(myfunc)
d2 = decorator2(myfunc)
decorator1(myfunc)
decorator1(myfunc)
print()

# Block3 all same
decorator1(myfunc)
decorator1(myfunc)
decorator2(myfunc)
decorator2(myfunc)
decorator1(myfunc)
decorator1(myfunc)
# print()

并低于输出

inner1 id = 7696544290000
inner1 id = 7696544290000
inner2 id = 7696544290000
                        cache id = 7696550302496
inner2 id = 7696544290000
                        cache id = 7696547474720
inner1 id = 7696544290000
inner1 id = 7696544290000

inner1 id = 7696544290000
inner1 id = 7696544290000
inner2 id = 7696544290000
                        cache id = 7696550302496
inner2 id = 7696544291152
                        cache id = 7696547501392
inner1 id = 7696544290144
inner1 id = 7696544290144

inner1 id = 7696544290144
inner1 id = 7696544290144
inner2 id = 7696544290144
                        cache id = 7696548415040
inner2 id = 7696544290144
                        cache id = 7696547350000
inner1 id = 7696544290144
inner1 id = 7696544290144

我的问题是

1为什么在Block1中，两个decorator2为inner2调用相同的id，但是 inner2.cache的不同id

2为什么在Block2中，inner2 id开始更改，而在Block1中没有更改？（块2指定返回值，块1不指定。）

---

Python在重新分配变量时，有时会因为CPython优化而更改其id，例如：

def f():
  return None 

$> f.a = {}
$> id(f.a)
$> 140511869957216
$> f.a = {}
$> id(f.a)
$> 140511869504400

你可以检查这个问题，也许可以帮助你澄清

这真的很好，我将强调它给出的一些例子

x = 500
y = 500
id(x)
4338740848
id(y)
4338741040

---

这里发生了什么事？即使将相同的整数值分配给不同的变量名，我们也会得到两个不同的ID。这些实际上是我们在这里观察到的CPython优化的效果。CPython实现为-5到256之间的所有整数保留一个整数对象数组。因此，当我们在该范围内创建一个整数时，它们只是返回对现有对象的引用。有关详细信息，请参阅以下链接。

Python在重新分配变量时，有时会因为CPython优化而更改其id，例如：

def f():
  return None 

$> f.a = {}
$> id(f.a)
$> 140511869957216
$> f.a = {}
$> id(f.a)
$> 140511869504400

你可以检查这个问题，也许可以帮助你澄清

这真的很好，我将强调它给出的一些例子

x = 500
y = 500
id(x)
4338740848
id(y)
4338741040

---

这里发生了什么事？即使将相同的整数值分配给不同的变量名，我们也会得到两个不同的ID。这些实际上是我们在这里观察到的CPython优化的效果。CPython实现为-5到256之间的所有整数保留一个整数对象数组。因此，当我们在该范围内创建一个整数时，它们只是返回对现有对象的引用。您可以参考以下链接了解更多信息。

Garbashe collector？也许吧，看。是的，这与垃圾收集有关，但也与CPython碰巧在同一地址分配新对象有关。不过，一般情况下不需要这样做。@SoraweePorncharoenwase Yesss的确，我只是发现有一篇帖子在谈论这一点，非常真实，非常有趣，我对它的收藏家Garbashe一无所知？也许吧，看。是的，这与垃圾收集有关，但也与CPython碰巧在同一地址分配新对象有关。不过，一般来说，这并不需要。@SoraweePorncharoenwase Yesss的确，我只是找到一篇关于这一点的帖子，非常真实，非常有趣，我对此一无所知