Python 内置类型的不可变性原理
int、str、tuple 修改后 ID 变了，因为它们是不可变类型，所谓“修改”实为创建新对象并重新绑定变量；其内存值不可原地更改，id() 变化反映的是引用指向变更而非内容改变。
为什么 int、str、tuple 修改后 ID 变了
因为它们不是“修改”，而是创建了新对象。Python 中的不可变类型一旦初始化，其内存中存储的值就不能被原地更改。比如 a = 5 后执行 a += 1，实际是 a = a + 1，即用新整数对象 6 覆盖变量 a 的引用，旧对象 5 若无其他引用就会被回收。
常见误判场景：以为 s = "hello"; s += " world" 是在原字符串上拼接——其实生成了全新 str 对象，原 "hello" 未被改动。
-
id()变化是判断是否新建对象的最直接依据，不是“内容变了”，而是“指向变了” - 小整数（-5 到 256）和短字符串有缓存机制，可能让
id()看似不变，但这属于实现细节，不能当作可变性证据 -
tuple不可变指其元素引用不可变，若元素本身是可变对象（如tuple([1,2], {"a":1})），内部列表或字典仍可修改
is 和 == 在不可变类型上的行为差异
对不可变类型，is 比较的是对象身份（即内存地址），== 比较的是值。由于小整数和短字符串常驻缓存池，相同值的多个变量可能指向同一对象，导致 is 返回 True；但这是 CPython 的优化，不是语言规范保证。
例如：
a = 257 b = 257 print(a is b) # False（超出小整数缓存范围） c = "hi" d = "hi" print(c is d) # True（CPython 对短字符串字面量做了驻留）
- 永远不要用
is判断数值或字符串相等，该用== -
is只应出现在检查是否为None、True、False等单例时 - 不同 Python 实现（如 PyPy）或不同版本可能改变驻留策略，依赖
is做值比较会导致隐蔽 bug
不可变性如何影响函数参数传递
Python 所有参数传递都是“对象引用传递”，但不可变类型在函数内无法修改原对象，看起来像“传值”。关键在于：你能否通过形参改变实参所指向的对象内容。
示例：
def modify(x):
x += 10 # 创建新 int，不影响外部变量
n = 100
modify(n)
print(n) # 还是 100
- 函数内对不可变对象的任何“修改操作”（
+=、upper()、tuple + tuple）都返回新对象，不会影响调用方的变量绑定 - 如果函数内重新赋值形参（如
x = x * 2），只是让形参指向新对象，不改变实参变量的指向 - 这和可变类型（如
list.append()）形成对比：后者能直接改变原对象状态，调用方可见
试图绕过不可变性会触发什么错误
直接对不可变对象调用就地修改方法，或尝试写入属性，会立刻抛出异常，错误信息明确指向不可变性限制。
-
str：调用s[0] = "H"→TypeError: 'str' object does not support item assignment -
tuple：调用t[0] = 99→TypeError: 'tuple' object does not support item assignment -
int：尝试(5).__dict__ = {}或设置属性 →AttributeError: 'int' object has no attribute '__dict__'
这些报错不是运行时“检测到危险操作”，而是类型对象在 C 层就禁用了对应接口（如 tp_setitem 为 NULL）。所以不是性能开销换来的安全，而是底层设计决定的硬性约束。
真正容易忽略的是：不可变性只保障对象自身状态不被修改，不保障其所引用的对象——比如一个 tuple 包含一个 list，那个 list 依然可以被任意增删改。这种嵌套可变性常常成为调试盲区。
