Python赋值运算符与非赋值不同答案

【问题标题】：Python assignment operator differs from non assignmentPython赋值运算符与非赋值不同
【发布时间】：2020-08-10 21:42:10
【问题描述】：

我遇到了这种奇怪的行为，我找不到解释。

MWE：

l = [1]
l += {'a': 2}
l
[1, 'a']
l + {'B': 3}
Traceback (most recent call last):
  File "<input>", line 1, in <module>
TypeError: can only concatenate list (not "dict") to list

基本上，当我+= python 不会引发错误并将键附加到列表中时，当我只计算+ 时，我会得到预期的TypeError。

注意：这是 Python 3.6.10

【问题讨论】：

查看https://stackoverflow.com/questions/15376509/when-is-i-x-different-from-i-i-x-in-python
见bugs.python.org/issue9314 - “用迭代器连接列表时结果不一致”。另请注意，+= 等在 PEP 中被称为“增强分配”，PEP 203。
这有点奇怪
我认为@alkasm 的错误链接有一个很好的解释。 When a is mutable, a += b updates it in-place, so there is no ambiguity: the type of a cannot change. When you do a + b, there is no reason to treat a as more deserving than b when selecting the type of the result.
@ChrisDoyle 这就是确切的推理。这不是“错误”，它是一种防止解释器猜测的机制。

标签： python assignment-operator

【解决方案1】：

l += ...实际上是在调用object.__iadd__(self, other)并在l是可变时修改对象in-place

原因（正如@DeepSpace 在他的评论中解释的那样）是，当您执行 l += {'a': 2} 时，操作仅在原地更新 l 并且仅当 l 是可变的时。另一方面，l + {'a': 2} 操作未在适当位置完成，导致list + dictionary -> TypeError。

（见here）

l = [1]
l = l.__iadd__({'a': 2})
l
#[1, 'a']

与调用object.__add__(self, other)的+不同

l + {'B': 3}

TypeError: can only concatenate list (not "dict") to list

【讨论】：

这也应该说明原因了。 l += ... 更新 l 就地，所以结果的类型是明确的（= l 的类型）。 l + ... 是模棱两可的，因为它没有到位，所以生成的新对象的类型不清楚（应该是l 的类型还是应该是... 的类型？）
当然！我将此添加到我的答案中。 l += ...就地运行
@seralouk，您介意分享您使用哪个工具来找出调用了哪个函数吗？检查、pdb 等？
文档：docs.python.org/3/reference/datamodel.html#object.__iadd__ 和一些编程知识，例如字典是可变的。
@DeepSpace 的推理是有道理的，但 __iadd__ 不能保证返回相同的对象。见number += 2。另外，来自文档：这些方法应该尝试就地执行操作（修改自我）并返回结果（可能是但不一定是自我）

【解决方案2】：

正如作者所说，这不是错误。当你做a += b 时，就像b 来到a 的家，并以a 喜欢的方式改变它。作者所说的是，当您执行a + b 时，无法确定哪种风格会被优先考虑。在你执行之前，没有人知道a + b 的结果会去哪里。所以你无法决定它的风格。如果是a 样式，则为[1, 'a'] 的样式，如果为b 样式，则为错误。因此无法决定谁将获得优先权。所以我个人不同意这种说法。因为当您使用调用堆栈时，a 的位置比b 高。当有像a + b 这样的表达式时，如果a.__add__ 是NotImplemented（在这种情况下已实现），则首先调用a.__add__(self, other)。然后你打电话给a.__radd__(self, other)。这意味着在这种情况下调用other.__add__ b.__add__。我是根据调用堆栈的位置来说明这一点的，python 社区可能有更重要的理由这样做。

【讨论】：