Python 中的对象

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

在 Python 中，一切皆是对象。编程将现实问题归为一类，抽象为对象，为对象赋于一些通用的信息结构，通用的操作方法、能力，帮助我们解决同类型的问题。本页我们将深入理解在 Python 中对象的设计理念，如何利用对象将现实生活中的事物进行抽象，用编程来解决这些问题。

理解对象

对象（Object ） 是一个抽象的概念。由于编程是对现实世界的映射，通过技术与现实的对应关系，利用技术来解决现实世界的问题。

在业务层面，对象可代表一切事物，可以理解成一个实际物体（物件），一个事情等，无论这个事物是现实中存在的还是想像中的。

到技术层面，可以对象=确定内存空间+存储在这块内存空间中的值。这一点其实和java有些相似。就对对象和引用这两个概念做了很清晰的区分。Java中，对象是分配在堆上的，存储真正的数据，而引用是在堆栈中开辟的内存空间用于引用某一个对象。抛开java中引用的概念不谈，两种语言对于对象这个概念的理解，我认为还是可以等价的，都是数据+内存空间感觉。Python中，对象才有类型，不同的对象可以拥有不同类型的数据。

对象组成

Python 中,一切皆对象。对象是分配的一块内存，有足够的空间去表示它们所代表的值。在这个内存空间中，拥有特定的值，支持特定类型的相关操作。

每个对象由标识（identity）、类型（type）、值（value）组成。它们是：

• 标识（identity）：用于唯一标识对象,通常对应于对象在计算机内存中的地址。使用内置函数 id(obj) 可以返回对象的标识。
• 类型（type）：用于表示对象存储的"数据"的类型。类型可以限制对象的取值范围以及可执行的操作。可以使用 type(obj) 获得对象的所属类型。
• 值（value）：表示对象所存储的数据的信息。使用 print(obj) 可以直接打印值。

类型

对象中含有标准的头部信息：类型标识符。标识对象类型，表示对象存储的数据的类型。

类型可以限制对象的取值范围和可执行的操作。使用内置函数type(obj)返回对象所属类型。

每一个对象都有两个标准的头部信息：

• 类型标识符，去标识对象的（数据）类型；
• 引用计数器，记录当前对象的引用的数目。

引用计数器的目的是为了提高内容效率，Python 设计了垃圾回收机制，将不用的对象清除，当变量的引用计数器为0，自动清理。当然会有一些例外，较小整数型对象有缓存机制。

变量与标识符

在 Python 中，变量也称为对象的引用，因为变量存储的就是对象的地址（在 C 实现中就是内存地址），变量通过地址引用了对象，对变量名的操作就是对对象的操作。

变量位于栈（stack）内存，对象位于堆（Heap）内存。变量没有类型，那么就意味着它可以随意指向任何对象。

引用的名称就是标识符，也就是我们经常说的变量名，变量名的命名规则可以参考教程的变量内容。

在 Python 内部，变量只是一个名字，保存指向实际对象的指针，进而与其绑定。 变量赋值只拷贝指针，并不拷贝指针背后的对象。

Python 在堆中分配了独立的小对象缓存区，即小于512 字节的不可变对象，因此内存地址不变：

• 小整数对象池：范围为 [-5, 256] 的小整数 int
• 无空格的小字符串（不包含中文等） str （intern 字符串滞留机制）
• 布尔值 bool

其他的即使值相同内存也不同，如 浮点数、可变类型（如列表、元组）。

列表和字典这种可变对象当为匿名对象是会向外暴露一个内存地址，不论里面的内容怎么变，该地址不变，如 id([1,2,3]) == id([4,5,6]) 为 True。

注：需要在 Python 命令行模式下执行，在如 PyCharm 中进行执行可能会有些许不同，因为 PyCharm 等编辑器自带对变量和对象的一种“优化管理”，不是真正的 Python 的内存管理效果。

比较操作

对象之间的比较操作有 is 和 == 操作，它们是通过标识符（变量名）来做这两个操作的。它们的区别是：

• is：对比对象。两个变量是否都引用了同一个对象
• ==：对比值。对象所存储的数据的值是否相等

这些显而易见的东西，很多人应该不以为然，但是一些因语言内部优化的小细节，可能会打破你之前的认识。

In [12]: a = 3

In [13]: b = 3

In [14]: a == b
Out[14]: True

In [15]: a is b
Out[15]: True

按照我们之前所讲的，a 和 b 两个变量应该是引用了两个不同的对象，但是这两个对象内存中的值都是 3。但是，a is b 得到的结果却是 True。原因有如下两点：

• Python 在底层做了一定的优化，对于使用过整数以及字符串都会被缓存起来，所以上述 b 引用的应该是被缓存过的 3
• 之所以采用这种优化的方式，是因为 Python 中数字和字符串一经创建都是不可修改的，所以不会出现因使用了缓存的对象值造成“脏读”的问题

对象的分类

Python 对象的大致的一个分类：

• Fundamental 对象: 类型对象
• Numeric 对象: 数字对象
• Sequence 对象: 容纳其他对象的序列集合对象
• Mapping 对象: 类似 C++ 中的 map 的关联对象
• Internal 对象: Python 虚拟机在运行时内部使用的对象

图示：

类型对象

也许 Python 对象系统中最重要的结构之一就是定义新类型的结构: PyTypeObject 结构。 类型对象可以使用任何 PyObject_* 或 PyType_* 函数来处理，但不能提供大多数 Python 应用程序所感兴趣的内容。 这些对象是对象行为的基础，所以它们对解释器本身或任何实现新类型的扩展模块都非常重要。

与大多数标准类型相比，类型对象相当大。这么大的原因是每个类型对象存储了大量的值，大部分是 C 函数指针，每个指针实现了类型功能的一小部分。

语言类型

Python 是动态类型语言

变量不需要显示声明类型。根据变量引用的对象，Python 解释器自动确定数据类型。

一般而言，在编译期就确定变量类型的是静态类型语言，在运行期才确定变量类型的则是动态类型语言。

Python 是强类型语言

Python 每个对象都有数据类型，只支持该类型支持的操作。

在强类型语言中，变量其实都是有具体的类型来限制的，规定一个类型的变量只能被赋值与该类型相同或兼容的值。但是在 Python 中，显然变量的自由度更大。其次，之前学过体系结构的同学都应该了解，指针的内存空间大小是与类型无关的，其内存空间只是保存了所指向数据的内存地址。之所以说指针也有类型，是因为在计算偏移量的时候，确实需要类型相关的信息。所以，从深层次的含以上来理解，Python 中的变量与强类型语言中的指针非常相似。

Python 在运行时可以防止类型错误，并且很少进行隐式类型转换，没有使用静态类型检查。编译器不检查或强制执行类型约束规则。术语 duck typing 现在被用来描述这个群体中的语言所使用的动态类型范例。

要注意的是，不能认为强类型等于“完全无隐式类型转换”或“只要没有xxx隐式类型转换”。

按强弱类型维度的划分，可以归纳出：

• 强类型：Java、C#、Python、Ruby、Erlang（再加GO、Rust）……
• 弱类型：C、C++、Javascript、Perl、PHP、VB……

与其他概念的关系

对象与其他概念的关系：

• 变量与对象：变量是对对象的引用
• 类与对象：类就是创建对象的模板，只有创建了类，才能够通过它创建出对象
• 类型与对象：对象都有类型，相同的类型有相同的属性（特征）和方法（行为）

object()

Python 的内置 object() 函数返回一个空对象，不能向该对象添加新属性或方法。这个对象是所有类的基础，它拥有所有类默认的内置属性和方法。

详情可查看教程：object()。

参考

• https://flaggo.github.io/python3-source-code-analysis/objects/object/
• https://zhuanlan.zhihu.com/p/28058836
• https://juejin.cn/post/6867137399932551182
• https://docs.python.org/zh-cn/3/c-api/typeobj.html
• https://eli.thegreenplace.net/2012/04/03/the-fundamental-types-of-python-a-diagram/
• https://fasionchan.com/python-source/
• https://segmentfault.com/a/1190000020621036

相关内容

• Python 中变量的原理 2022-02-17 15:01:21