为什么函数不保留身份？ [关闭]

Question

我想知道为什么 Python 3.7 函数的行为方式相当奇怪。我认为这与hashability 的整个概念有点奇怪和矛盾。让我用一个简单的示例代码来澄清我遇到的问题。知道元组是可散列的，请考虑以下几点：

a = (-1, 20, 8)
b = (-1, 20, 8)
def f(x):
    return min(x), max(x)

现在让我们检查一下：

>>> print(a is b, a.__hash__() == b.__hash__())
False True
>>> print((-1, 20, 8) is (-1, 20, 8))
True

这很奇怪，但我猜“命名”可散列对象会使它们有所不同（它们的 id() 在变量定义期间发生变化）。功能怎么样？ Functions are hashable，对吧？让我们看看：

>>> print(f(a) is f(b))
False
>>> print(id(f(a)) == id(f(b)), f(a).__hash__() == f(b).__hash__())
True True

现在这是我困惑的高潮。你应该感到惊讶，即使f(a) is f(a) 也是False。但怎么会呢？你不觉得这种行为是不正确的，应该由 Python 社区解决和修复吗？

Answer 1

你不能保证两个相同的调用是相同的，因为函数在 Python 中也是对象，因此它们可以保持状态。但是，即使您将状态分开，您也不应该依赖 is 将评估 True 如果两个对象的内容相同。

在某些情况下，Python 会优化代码以使用与单例相同的对象，但您不应该对此做出任何假设。

255 is 255 由于 CPython 的实现细节而返回 True，而 256 is 256 返回 False。如果只关心深度平等，请使用==。 is 专为对象相等性检查而设计。

c = 40
def f(x):
    return c + x

a = 1
f(a)
# 41

c += 1
f(a)
# 42

f(a) is f(a)
# True

c += 500
f(a) is f(a)
# False

f(a) is f(a) 可以产生相同的对象，例如 Python 将最多 255 的整数存储为单例，因此第一个测试返回 True 但是当我们没有这些优化 (c += 500) 时，每个调用都会实例化自己的要返回的对象，现在 f(a) is f(a) 将返回 False。

Answer 2

is python 中的关键字比较操作数是否指向同一个对象。 Python 提供了id() 函数来返回对象实例的唯一标识符。所以，a is b 不会比较对象是否包含相同的值，它只会返回如果 a 和 b 是相同的对象。

__hash__() 函数根据对象的内容/值返回一个值。

>>> a = (-1, 20, 8)
>>> b = (-1, 20, 8)
>>> id(a)
2347044252768
>>> id(b)
2347044252336
>>> hash(a)
-3789721413161926883
>>> hash(b)
-3789721413161926883

现在最后一个问题，f(a) is f(b) 比较f(a) 和f(b) 返回的结果是否指向内存中的同一个对象。 如果您的函数 return min(x), max(x) 将返回一个 new 元组，其中包含 x 的最小值和最大值。因此，print(f(a) is f(b)) 为假

f(a).__hash__() == f(b).__hash__() 是 True 因为这实际上比较了结果值的哈希，而不是您认为的函数的哈希。 如果你想要函数的哈希值，你可以使用f.__hash__() 或 hash(f)，因为 Python 中的函数只是一个可调用对象。

唯一有趣的部分是 print(id(f(a)) == id(f(b))) 显示 True。这可能是由于 CPython 表达式字节码优化器。

如果单独执行，则返回 False。

>>> c = f(a)
>>> d = f(b)
>>> print(id(f(a)) == id(f(b)))
True
>>> print(id(c) == id(d))
False

我不确定这是否是一个应该修复的错误，但这是一个奇怪的不一致。顺便说一句，我在 Windows 64 位上使用 Python 3.7.2。不同 Python 版本或实现的行为可能会有所不同。

如果用字符串替换整数值，行为也会因 Python 的字符串驻留优化而改变。

因此，这里的课程就像其他语言的一般指南一样，尽可能避免比较对象引用/指针，因为您可能正在研究有关如何引用对象、优化以及可能的 GC 工作方式的一些实现细节。

这是一篇有趣的相关文章：Python Optimization: How it Can Make You a Better Programmer