Python中对象分为可变和不可变两类，区别在于创建后能否修改其内容。可变对象（如列表、字典、集合）允许原地修改，内存地址不变；不可变对象（如整数、字符串、元组）一旦创建内容不可更改，任何“修改”实际是创建新对象。这种机制影响函数参数传递、哈希性、并发安全和性能优化。例如，不可变对象可作为字典键，因具有固定哈希值；而可变对象则不能。判断可变性可通过尝试修改并观察id()是否变化，或使用hash()检查是否可哈希。理解此差异有助于避免副作用和潜在bug，提升代码可预测性与健壮性。
Python中的对象大致可以分为两类：可变对象和不可变对象。核心区别在于，可变对象在创建后其内部状态可以被修改，而不可变对象一旦创建，其值就不能再改变。如果看起来它们“变”了，那通常是创建了一个新的对象。理解这一点，对于写出健壮、可预测的Python代码至关重要。
解决方案
在Python的世界里，对象的“可变性”（mutability）和“不可变性”（immutability）是理解其工作机制的关键概念。简单来说，一个可变对象就像一块橡皮泥，你可以随意捏扁搓圆，改变它的形状，但它依然是那块橡皮泥，内存地址不变。而不可变对象则更像是一块雕塑，一旦完成，你就不能再改变它。任何对它的“修改”操作，实际上都是在旁边重新雕刻了一块新的雕塑。
这种设计哲学渗透在Python的方方面面。比如，当你有一个列表（list），你可以直接在原地添加元素、删除元素，甚至修改特定位置的值，这些操作都不会改变列表本身的内存地址。但如果你有一个字符串（string），尝试修改它的某个字符，Python会直接报错，因为字符串是不可变的。所有看似修改字符串的操作，比如字符串拼接，实际上都是创建了一个全新的字符串对象。
这种区分带来的影响非常深远，尤其是在函数参数传递、多线程编程（虽然Python的GIL在一定程度上简化了并发数据修改的问题，但理解可变性依然重要）、以及作为字典键或集合元素时。我个人觉得，很多初学者在遇到意料之外的行为时，往往就是因为没有搞清楚对象的可变性。
立即学习“Python免费学习笔记（深入）”；
Python中常见的可变对象类型有哪些？
谈到可变对象，我们最常打交道的莫过于列表（
list
）、字典（
dict
）和集合（
set
）了。它们是Python数据结构中的主力军，也是我们日常编程中修改频率最高的几种。
列表（
list
）是我觉得最直观的可变对象。你可以直接在原地增删改查。比如，
my_list = [1, 2, 3]
，然后
my_list.append(4)
，你会发现
my_list
变成了
[1, 2, 3, 4]
，而
id(my_list)
并没有变。这种“原地修改”的特性让列表在处理动态数据集时非常高效。
my_list = [1, 2, 3]print(f"原始列表: {my_list}, ID: {id(my_list)}")my_list.append(4) # 在原地修改print(f"添加元素后: {my_list}, ID: {id(my_list)}")my_list[0] = 10 # 修改第一个元素print(f"修改元素后: {my_list}, ID: {id(my_list)}")
字典（
dict
）也一样，它是键值对的集合。你可以随时添加新的键值对，修改现有键对应的值，或者删除键值对，而字典对象本身依然是那个字典。
my_dict = {'a': 1, 'b': 2}print(f"原始字典: {my_dict}, ID: {id(my_dict)}")my_dict['c'] = 3 # 添加新键值对print(f"添加元素后: {my_dict}, ID: {id(my_dict)}")my_dict['a'] = 10 # 修改值print(f"修改值后: {my_dict}, ID: {id(my_dict)}")
集合（
set
）是无序不重复元素的集合，它也支持添加和删除元素的操作。
my_set = {1, 2, 3}print(f"原始集合: {my_set}, ID: {id(my_set)}")my_set.add(4) # 添加元素print(f"添加元素后: {my_set}, ID: {id(my_set)}")my_set.remove(1) # 删除元素print(f"删除元素后: {my_set}, ID: {id(my_set)}")
此外，像
bytearray
也是可变类型。自定义的类实例，除非你特别设计成不可变，否则它们通常也是可变的，因为你可以随时修改它们的属性。理解这些，在构建复杂数据结构时，能避免很多坑。
Python中常见的不可变对象类型有哪些？
与可变对象相对，不可变对象一旦创建，其值就无法改变。这听起来可能有点限制，但实际上，这种特性带来了稳定性和可预测性。最典型的不可变对象包括数字（
int
,
float
,
complex
）、字符串（
str
）、元组（
tuple
）和冻结集合（
frozenset
）。
数字类型，例如整数和浮点数，是不可变的。当你写
x = 5
，然后
x = x + 1
时，你并不是改变了
5
这个值本身，而是创建了一个新的整数对象
6
，然后让变量
x
指向了它。
x = 5print(f"原始整数: {x}, ID: {id(x)}")x = x + 1 # 实际上是创建了一个新的整数对象 6print(f"加1后: {x}, ID: {id(x)}") # ID会改变
字符串（
str
）是另一个非常重要的不可变类型。在我看来，字符串的不可变性是Python设计中一个非常优雅的地方。它使得字符串操作更安全，尤其是在多线程环境下，你不用担心某个线程意外修改了另一个线程正在使用的字符串。当你进行字符串拼接时，比如
s = "hello" + " world"
，实际上是创建了一个新的字符串
"hello world"
。
s = "hello"print(f"原始字符串: {s}, ID: {id(s)}")s += " world" # 实际上是创建了一个新的字符串对象print(f"拼接后: {s}, ID: {id(s)}") # ID会改变
元组（
tuple
）是不可变序列。一旦创建，你不能添加、删除或修改其内部元素。如果元组中包含可变对象，比如一个列表，那么这个列表本身还是可以被修改的，但元组中指向这个列表的引用是不可变的。这有点像一个只读的指针，指向的内容可以变，但指针本身不能指向别的地方。
my_tuple = (1, 2, [3, 4])print(f"原始元组: {my_tuple}, ID: {id(my_tuple)}")# my_tuple[0] = 10 # 这会报错，因为元组不可变# print(f"尝试修改元素: {my_tuple}, ID: {id(my_tuple)}")my_tuple[2].append(5) # 元组中的列表是可变的，所以可以修改print(f"修改元组内列表后: {my_tuple}, ID: {id(my_tuple)}") # 元组ID不变
冻结集合（
frozenset
）是不可变的集合版本，可以作为字典的键。字节串（
bytes
）也是不可变的。理解这些，有助于我们更好地选择数据结构，并预测代码的行为。
为什么Python要区分可变与不可变对象？
Python区分可变与不可变对象，绝不是为了增加复杂性，而是出于多方面的设计考量，这些考量最终提升了语言的实用性、安全性和性能。我个人认为，这体现了Python在灵活性和健壮性之间寻求平衡的智慧。
首先，哈希性（Hashability） 是一个非常重要的原因。不可变对象通常是“可哈希的”（hashable），这意味着它们有一个固定的哈希值，这个哈希值在对象的生命周期内不会改变。这使得不可变对象能够被用作字典的键（
dict
keys）和集合的元素（
set
elements）。想象一下，如果一个字典的键是可变的，那么键的值改变了，它在哈希表中的位置也会变，这会彻底破坏字典的查找机制。而可变对象（如列表、字典）因为其内容可能变化，所以默认是不可哈希的，不能直接作为字典键或集合元素。
其次，数据完整性和安全性。不可变对象一旦创建就不能被修改，这在很多场景下非常有用。比如，当你将一个不可变对象传递给函数时，你可以确信函数不会意外地修改原始对象。这减少了副作用（side effects）的发生，使得代码更容易理解和调试。在并发编程中，虽然Python的GIL（全局解释器锁）限制了多线程的并行执行，但在多进程或异步编程中，不可变数据结构能有效避免竞态条件（race conditions），因为它们本身就是线程安全的。
再者，性能优化。Python解释器可以对不可变对象进行一些内部优化。例如，对于小整数（-5到256）和某些短字符串，Python会进行“interning”（驻留），即在内存中只保留一份副本。当你创建多个相同值的不可变对象时，它们可能都指向内存中的同一个对象，这节省了内存。
a = 1b = 1print(id(a) == id(b)) # True，因为小整数被驻留s1 = "hello"s2 = "hello"print(id(s1) == id(s2)) # True，短字符串也被驻留l1 = [1, 2]l2 = [1, 2]print(id(l1) == id(l2)) # False，列表是可变的，即使内容相同也是不同对象
最后，函数式编程范式。不可变性是函数式编程的核心原则之一。它鼓励我们编写没有副作用的函数，即函数只接收输入，产生输出，而不修改任何外部状态。这使得代码更模块化，更容易测试和组合。虽然Python不是纯粹的函数式语言，但不可变对象的存在，无疑为追求这种风格的开发者提供了便利。
在我看来，这种区分是Python设计哲学的一个缩影：提供强大的工具，同时也要求开发者理解这些工具的特性，以便更好地驾驭它们。忽略可变性与不可变性的差异，可能会导致一些难以追踪的bug，比如在默认参数中使用可变对象。
如何判断一个对象是可变还是不可变？
在Python中，判断一个对象是可变还是不可变，通常有几种方法，有些是经验性的，有些则是通过内置函数进行验证。这不是一个“一刀切”的检查，更像是结合对Python数据类型的理解和一些小技巧。
最直接的方法，也是我个人最常用的，就是尝试修改它。如果你能成功地在原地修改对象的内容，并且
id()
函数返回的内存地址保持不变，那么它就是可变的。
my_list = [1, 2]print(f"修改前ID: {id(my_list)}")my_list.append(3)print(f"修改后ID: {id(my_list)}") # ID通常不变，列表可变
如果尝试修改会抛出错误（比如
TypeError: 'str' object does not support item assignment
），或者修改操作实际上是返回了一个新对象（导致
id()
发生变化），那么它就是不可变的。
my_string = "hello"print(f"修改前ID: {id(my_string)}")# my_string[0] = 'H' # 这会报错my_string = my_string + " world" # 这会创建新对象print(f"修改后ID: {id(my_string)}") # ID会变，字符串不可变
另一个非常重要的判断依据是哈希性（Hashability）。可哈希的对象通常是不可变的。你可以使用内置的
hash()
函数来检查一个对象是否可哈希。如果
hash()
函数能成功返回一个整数值，那么这个对象就是可哈希的，通常意味着它是不可变的（自定义类可以通过实现
__hash__
和
__eq__
方法来变得可哈希）。如果
hash()
抛出
TypeError
，那么这个对象就是不可哈希的，通常是可变的。
print(f"整数1的哈希值: {hash(1)}") # 可哈希print(f"字符串'abc'的哈希值: {hash('abc')}") # 可哈希print(f"元组(1, 2)的哈希值: {hash((1, 2))}") # 可哈希try: hash([1, 2])except TypeError as e: print(f"列表不可哈希: {e}") # 列表不可哈希try: hash({'a': 1})except TypeError as e: print(f"字典不可哈希: {e}") # 字典不可哈希
最后，查阅Python文档或经验。对于内置类型，记住哪些是可变、哪些是不可变，是最直接有效的方法。比如：
不可变:
int
,
float
,
complex
,
str
,
tuple
,
frozenset
,
bytes
可变:
list
,
dict
,
set
,
bytearray
对于自定义对象，它们默认是可变的，除非你特意通过一些技巧（比如使用
__slots__
并避免设置可变属性）来使其行为更像不可变对象。理解这些判断方法，能帮助我们更好地预测代码行为，并避免一些常见的陷阱。
以上就是Python中的可变对象和不可变对象有哪些？区别是什么？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1370338.html
微信扫一扫 
支付宝扫一扫 
