Python中可变与不可变对象的核心区别在于内存中的值能否被原地修改：不可变对象（如int、str、tuple）修改时创建新对象，id改变；可变对象（如list、dict）可就地修改，id不变，影响所有引用。
Python中可变对象与不可变对象的核心区别，在于对象创建后其**内存中的值能否被原地修改**，这直接决定了赋值、函数传参、容器操作等行为的表现。理解这一点，关键要结合Python的“对象-引用”模型和底层内存管理机制。
不可变对象：值固定，修改即新建
常见的不可变对象包括 int、float、str、tuple、frozenset 等。它们的底层实现中，对象一旦创建，其内部数据（如字符串的字符序列、整数的二进制值）在内存中就被标记为只读；任何看似“修改”的操作（如 s += "x" 或 i += 1），实际都会触发新对象的创建，并让变量指向这个新地址。
- 例如：
a = "hello"; b = a; a += " world"后，a指向新字符串对象，b仍指向原对象，id(a) != id(b) - 不可变性使它们天然线程安全，也允许被用作字典的键或集合的元素
- CPython 中，小整数（-5 到 256）和短字符串有缓存机制，但这属于优化，不改变不可变语义
可变对象：内容可就地变更，引用保持不变
常见可变对象包括 list、dict、set、bytearray 等。它们的底层结构（如 list 的动态数组、dict 的哈希表）预留了修改空间，方法如 .append()、.update()、.add() 都直接操作原对象内存，不改变 id()。
- 例如：
l1 = [1, 2]; l2 = l1; l1.append(3)后，l2也变为[1, 2, 3]，因为二者指向同一块内存 - 这种特性带来便利，也容易引发意外的副作用——尤其在函数参数传递时，若函数内修改了传入的 list，调用方看到的就是已被修改的结果
- 可变对象不能作为字典键，因为哈希值可能随内容变化而失效（
hash()要求稳定）
底层关键：对象头中的 ob_refcnt 与 ob_type
在 CPython 实现中，每个对象都以 PyObject 结构体开头，包含引用计数（ob_refcnt）和类型指针（ob_type）。是否可变，由类型对象（如 &PyList_Type 或 &PyString_Type）决定其支持哪些操作接口：
立即学习“Python免费学习笔记（深入）”；
- 不可变类型的
tp_as_sequence或tp_as_mapping中，赋值类方法（如sq_ass_item）通常为NULL，尝试修改会抛出TypeError - 可变类型则实现了这些接口，例如
list_setitem直接写入底层数组，不分配新对象 - GC（垃圾回收）仅追踪容器类型（如 list/dict），因为它们可能持有其他对象的引用；简单不可变对象（如 int/str）靠引用计数即可管理生命周期
实践建议：何时复制，何时共享
明确意图是避免 bug 的前提：
- 若需保留原始状态，对可变对象使用浅拷贝：
new_list = old_list.copy()或new_dict = old_dict.copy()；嵌套结构需copy.deepcopy() - 函数设计时，如不希望影响入参，应在函数内主动复制（或文档注明“会修改原对象”）
- 构造字典键时，优先用
tuple（不可变）而非list；需要动态构建再转为键，可用tuple(my_list) - 性能敏感场景下，频繁拼接字符串应改用
list.append()+''.join()，避免因不可变性导致的多次内存分配
不复杂但容易忽略。真正掌握区别，不是背类型列表，而是看 id() 和 is 运算符的行为，再结合 CPython 源码中类型对象的定义方式去验证。
