垃圾收集器如何在python中跟踪其引用？

在使用数字和字符串分析id内置行为时，我感到困惑

x = 100
y = x   # x and y both points to same object that is 100
id(x)
162569156
id(y)
162569156

现在，我尝试更改x指向的对象

 x = 200 # since x points to different objects & garbage collector increments reference counts as its no longer points to old objects 
 id(y)
 162569156
 id(x)   # its different 
 162569932

现在我了解了python垃圾收集器，它是引用计数垃圾收集器，当x=200或引用数改变时，它会将其清除。 这是我的疑问，从上面的观点来看，我是否可以假设，每当我再次执行x=100，即试图指向旧对象时，id将始终给出与先前完全相同的内存位置

x = 100 #making x to points to same old object
id(x)
162569156  #getting same old location
id(y)
162569156

若以上是真的，那个么这是否意味着对于每一个数以百万计的引用，都会有一个引用，并且id在将来指向旧对象时给出相同的位置

---

我有这个疑问，就像在C语言中一样，一旦指针失去了地址堆，就不能保证下次执行malloc时它会得到相同的地址。

对于小值，python总是创建一个id，并存储创建的id，而创建的相同值只是将该id分配给变量

Python缓存[-5256]范围内的整数，因此 该范围内的整数也相同

我只是想展示一些大整数的演示

In [9]: x=1000

In [10]: x=y

In [11]: id(x)
Out[11]: 20359984

In [12]: id(y)
Out[12]: 20359984

In [13]: x=1001

In [14]: id(x)
Out[14]: 20360056

In [15]: x=1000 # again assigning to x to 1000

In [16]: id(x)
Out[16]: 19649168 # id got differs because python normally does not keep reference for large ints

---

Python不能保证这一点。你会感到困惑，因为1100足够小，它永久地存在于实现细节的小整数缓存中，而2你太相信实验的推断了。好的。那么python如何区分或维护大小对象的引用计数。@user2357112我的意思是，当x指向不同的对象时，垃圾收集器所做的是不查看任何引用，我怀疑id如何返回相同的内存位置（如果较小）或不同的内存位置（如果较大）？id是否执行所有这些操作，如计算长度或垃圾收集器有其他条目来处理这些操作。当您尝试创建新的整数对象时，它会测试该值以查看该值是否位于小整数缓存中，如果是，它只会分配先前存在的对象。不需要对这些缓存对象进行引用计数，因为它们永远不会被销毁。所有这些都是可更改的实现细节，不会对任何程序的运行产生实质性影响。感谢@MarkRansom的精彩解释，这是否意味着对于所有缓存对象，都是较小的一个，我仍然不清楚python如何区分引用。在x=1000和idx之间执行x=y的事实有点破坏了您的大型int演示。抱歉，我没有理解u@user2357112你能把答案修改一下吗effective@user2357112如果同样的问题被问到，你为什么不回答我是如何用x=y破坏代码的

In [9]: x=1000

In [10]: x=y

In [11]: id(x)
Out[11]: 20359984

In [12]: id(y)
Out[12]: 20359984

In [13]: x=1001

In [14]: id(x)
Out[14]: 20360056

In [15]: x=1000 # again assigning to x to 1000

In [16]: id(x)
Out[16]: 19649168 # id got differs because python normally does not keep reference for large ints