Python只有对象语义，所有变量均为对象引用，赋值、传参、返回均基于引用；不可变类型重新赋值是绑定新对象，可变类型就地修改会影响所有引用；用is比较身份，==比较值；浅拷贝不隔离嵌套可变对象，需深拷贝或手动构造新结构。
Python 里没有值语义，只有对象语义
Python 所有变量都是对象的引用，不存在 C++ 那种栈上拷贝的“值语义”。你写的 a = 5，不是把数字 5 复制进变量 a，而是让 a 指向一个整数对象；b = a 则是让 b 指向同一个对象。这决定了所有赋值、参数传递、返回值行为都基于引用——哪怕对 int、str 这些“不可变类型”也一样。
常见错误现象：
你以为 def f(x): x = 10 能改掉外部变量，结果调用后原变量没变；或者误以为 list.copy() 和 list[:] 在嵌套结构里效果相同。
- 不可变类型（
int、str、tuple）的“重新赋值”其实是绑定新对象，不影响原对象 - 可变类型（
list、dict、自定义类实例）的就地修改（如.append()、[0] = ...）会直接影响所有引用它的变量 - 函数参数传入的是对象引用，不是副本；但函数内部重新赋值（
x = ...）只改变局部绑定，不改变外部变量所指对象
如何判断两个变量是否指向同一对象
用 is 比较身份（identity），用 == 比较值（value）。这是区分对象语义最直接的实操手段。
使用场景：调试共享状态问题、理解缓存机制（比如小整数池）、避免意外的别名修改。
立即学习“Python免费学习笔记（深入）”；
-
is等价于比较id(a) == id(b)，只在对象完全相同时为True -
==调用对象的__eq__方法，默认继承自object，行为等同于is；但list、dict等重写了它，所以内容相同即返回True - 小整数（-5 到 256）和短字符串常量会被缓存，导致
a = 100; b = 100; a is b为True，但这属于实现细节，不能依赖
示例：
a = [1, 2]<br>b = a<br>c = a.copy()<br>print(a is b) # True<br>print(a is c) # False<br>print(a == c) # True
深拷贝 vs 浅拷贝：什么时候必须用 copy.deepcopy()
浅拷贝（copy.copy() 或 list.copy()）只复制顶层对象，嵌套的可变对象仍共享引用；深拷贝递归复制全部层级。是否需要深拷贝，取决于你是否要切断嵌套结构的引用链。
容易踩的坑：
对含 dict 的 list 做浅拷贝后修改内层 dict，外部原始数据也被改了；或者对带循环引用的对象（如父子节点互相持有）调用 deepcopy 导致无限递归或内存暴涨。
- 纯不可变嵌套（如
[[1, 2], (3, 4)]）用浅拷贝足够，因为内层无法就地修改 - 只要任意一层含
list、dict、set或自定义可变对象，且你需要隔离修改影响，就必须用copy.deepcopy() -
deepcopy性能开销明显，尤其对大结构；若只需断开某几层，可手动构造新结构（比如[x[:] for x in nested_list]）
函数返回可变对象时的隐式共享风险
如果函数返回一个内部缓存的 list 或 dict（比如配置解析器的 get_config()），调用方直接修改它，就会污染后续所有调用——这不是 bug，是对象语义的自然结果。
使用场景：工具函数、配置访问器、ORM 查询结果、缓存包装器。
- 防御性做法：函数内部返回
copy.copy()或copy.deepcopy()，但需明确文档说明开销 - 更轻量做法：返回
tuple（不可变）或types.MappingProxyType(dict)（只读视图） - 最推荐做法：函数明确声明“返回新对象”，并在实现中用
[]、{}构造，而非复用内部容器
示例：
cache = {'data': [1, 2, 3]}<br>def get_data():<br> return cache['data'] # 危险！返回可变对象引用<br><br># 应改为：<br>def get_data_safe():<br> return cache['data'].copy() # 或 deepcopy，视需求而定
对象语义不是语法糖，它是 Python 内存模型的底层事实。所有“意外共享”“修改穿透”“缓存污染”，根源都在忽略“变量只是标签”这个前提。写代码时多问一句“这个变量现在绑在哪？还有谁绑着它？”，比查文档更快定位问题。
