为什么相同值的Python变量指向相同的内存地址？

Question

今天我遇到一个有趣的案例

a = 10
b = 10
print (a is b)

登出True。我做了一些搜索并发现了实习的概念。现在这解释了为什么True范围 [-5, 256] 是正确的。然而，即使使用浮动我也得到相同的结果。请帮助我理解为什么。

这是我不明白的部分-

a = 1000.00
b = 999.99 + 0.01

print (a is b)
# Output was 'True'

我期望输出是False因为a的值是在运行程序之前分配的，而b的值是在运行时作为表达式求值的结果确定的，因此应该具有不同的内存地址。

如果您能指出一个情况，其中a==bis True，但a is b计算结果False为 和a都是b类型，我也将不胜感激float

Answer 1

您在您的情况下看到的称为“恒定折叠”。这是一个实现细节，而不是语言规范 - 这意味着不能保证此行为将保持不变，并且您不应在代码中依赖它。但是，总的来说，这归结为这样一个事实：可以“静态”计算的东西在代码实际运行之前被优化到最简单的形式。

看一下以下代码片段的输出

import dis

def f():
    return 0.1 + 0.9
def g():
    a = 0.1
    b = 0.9
    return a+b

dis.dis(f)
dis.dis(g)

您会注意到，f尽管查看代码添加显然在那里，但 中 没有执行任何添加。

至于具有不同内存地址的两个相同值的变量，这并不是很困难 - 任何无法在运行前优化的计算都会在不同内存地址处生成变量（如果它们不在实习范围内）。

a = 1
b = 1
for _ in range(1000):
    a += 1 
    b += 1

print(f"{id(a) = }")
print(f"{id(b) = }")
print(f"{a == b = }")
print(f"{a is b = }")