python 基础类型 可变对象 & 不可变对象其实大家在刚接触python的时候，听到最多的应该就是“万物皆对象”。而对于对象，大多数都是用 class 去做这方面的演示。当然这肯定是没有错的，但可能会让大家产生 obj = class 的概念；后面和大家一起学习python的基础类型（int、str、list、set、tuple、dict）的底层实现。
python 中的 int对象像大家一开始接触python的时候，不可避免接触到两个概念：“不可变对象”、“可变对象”。
那什么是可变对象，什么是不可变对象？
网上大多是用tuple和list去做这方面的解释。例如在创建某个list对象后，可以更改其内部的值而id不变；创建出来的元组对象无法在不更改id的情况下，更改其内部的不可变参数（注意，这里说的是不可变参数）。
我们可以对比一下list和tuple的属性：
可以看到，只是python在自己的层面，没有向tuple提供类似于list.append的方法；如果去重写tuple的类方法，就可以将其变为一个可变对象。其实list和tuple在C里都是使用数组实现的。
那为什么python需要设置可变对象和不可变对象？
int与str不多赘述，底层就决定了不可变对象的实质。
那么对于tuple的存在，网上通常认为作用：保障数据安全、响应速度快；后面再详细介绍为什么会有这两个特性。
这里主要是想传递一个概念：可变参数和不可变参数只是在python层面赋予的概念；如果有需要，我们是可以构建成适用自己的结构。我们可以借助这个概念去理解结构，但不要误解结构本身就是这样的。
如果大家对低级语言有一些了解的话，应该接触过整数溢出的概念。我们以C为例，int类型在C中一般为4个字节，故其能表示的有符号整数范围在 -(2^32)/2 —— (2^32)/2 -1；当计算的值处于范围之外时，就会有整数溢出的现象发生。如下，当1000000 * 1000000 时就会发生整数溢出的情况。
那，为什么python中不会发生整数溢出的现象呢？如下，当在python中执行10000000000000000000000000*1000000000000000000000时，结果正常输出。
这已经不是32位或者64位的限制范围内了。那我们可以猜想一下， 到底是一个什么结构，才能保证不会发生整数溢出呢？要么一个int类型的对象非常大，要么就是int类型的对象可以追加空间。第一个猜想一定不会被实现，一定不会允许一个int类型给这么消耗资源。那么python中int的空间一定是可追加的。
不妨验证一下int类型在python的大小：
如图，可以看出：int类型随着值的不断增加，其大小也不断增加。基本验证了我们的想法。
大家也会注意到：无论是C或者Java，int类型都是4字节或8字节；为什么python最小的int就占了28字节呢？
我们具体看一下python int类型的源码：
python在实现int类型时，定义了 PyObject_VAR_HEAD 和 digit ob_digit[1] 两个部分。其中 PyObject_VAR_HEAD 存放的是引用计数、多态一些东西，我也不是很清楚，大家可以自行了解；而ob_digit就是整数数组，在这里存放int的具体值。而ob_digit就是一个不断追加的数组，当超过4字节后；python内部自动追加4字节。换而言之，就是空间不够放了再申请一样大的空间呗。
大家现在应该已经有了ob_digit整数数组不断追加扩大的概念；那具体每一块是多大呢？如果4字节也就是4个8位，如果全部做int类型的存放，也就是每一块最大可以放2^(32)-1；只有当超过这个大小才会申请追加新的4字节空间。那么真的是这样吗？
python的小整数池以及id的用法大家可以看见，每一块4字节的空间，仅存放了2^30-1的大小。这个具体是由于16位的unsigned short digit在计算时舍去最高位；也就是16位只使用15位做存储；对应的32位只使用30位做存储。具体ob_digit是如何存放，追加空间，以及是如何计算的（karatsuba算法）大家可以自行了解；这里不做赘述（我不懂哈哈哈）。
下面给大家分享一下python中，是如何优化int类型的；也顺便展开一些id的用法。
如图，id是用于标识对象的唯一性。大家注意一下第二行 This is guaranteed to be unique among simultaneously existing objects；下面会解释这句话的具体含义。
如图，很明显在int对象小于等于256时，我们拿取的整数都是同一个对象；当int对象大于256时，我们拿取的整数确不是同一个对象。那python是如何实现的？python这么实现的优势在哪里呢？
答案是池。大家应该到这里，都已经接受int在python中本身也是对象的概念了。那当创建、销毁对象时都会带来开销。而对于小整数而言，是我们最经常使用的一种了。在python中，会事先创建好小整数池去优化int对象的创建；这样就可以避免我们在使用小整数时的开销（类似于单例，你使用的永远是创建好的对象；当存在创建好的对象时，是不会去创建新的对象）。一般来说，python会预先创建-5~256在小整数池内（str其实也有这样的概念，后面再说）去供我们使用；原理和扩展大家可以自行了解，可以根据项目情况自行调整池的大小。
最后我们简单介绍一下id，这个也是我在刷stack_overflow时看见的；觉得很有意思，跟大家分享一下。其实这就是对上面 This is guaranteed to be unique among simultaneously existing objects 的一个解释。如图：
我们会惊奇的发现：a的id和b的id并不相等，且a+1也并不等于b+1；但是二者的id是相同的。为什么呢？
如图，我们可以看见在执行 id(a+1) == id(b+1) 时是先拿到对象a、接着拿到对象1、对对象a和对象1执行BINARY_ADD方法返回一个新对象去求id值；id(b+1)也是这样。那产生的新对象，我们假设用c、d去标识；那么c的生命周期在第一次BINARY_ADDCALL_FUNCTION中间、d的生命周期在第二次BINARY_ADDCALL_FUNCTION中间；当c被释放时，其地址被新对象d直接引用；就造成了二者id相等的现象产生。
我们再回过头来看官方对 id 的解释：This is guaranteed to be unique among simultaneously existing objects。也就是说当对象的生命周期没有交集时，id并不能做为唯一性的判断。当然，像python对象的生成、引用等更深层次的需要大家去自己深入研究（没看没看我没看）。
如果文章能为大家在想更深入了解python时，提供一点帮助或者思路；实属幸甚。
本文引用链接：
https://www.jb51.net/article/248346.htm#_lab2_0_0
https://stackoverflow.com/questions/19381492/how-does-c-implements-the-python-assignment-of-large-numbers
https://stackoverflow.com/questions/40009015/how-is-python-storing-strings-so-that-the-is-operator-works-on-literals
