17370845950

应使用 is None 而非 == None 或 not x 判断是否为 None，因 None 是单例，is 才能安全确认对象身份，避免自定义 __eq__ 干扰、假值误判及类型检查失效。

用 is 而不是 == 判断是否为 None

Python 中 None 是单例对象，语义上表示“无值”，不是逻辑假（False）的同义词。用 == 比较可能被重载，且语义错误；只有 is 才能安全确认对象身份。

• if x is None: —— 正确，检查是否指向同一个 None 对象
• if x == None: —— 危险，若 x 是自定义类且实现了 __eq__，可能返回 True 即使它不是 None
• if not x: —— 错误，会把 0、''、[]、False 等所有假值都当成 None

为什么 None 不能用布尔上下文代替？

很多新手误以为 “None 是假值，所以 if x: 就够了”，但这是混淆了「空缺」和「空内容」。比如函数返回 0 或空字符串，往往是有意为之的结果，而 None 通常代表未设置、未返回、未找到。

• API 返回 None 表示“查无此键”（如 dict.get(key) 未命中），返回 '' 可能表示“该键存在但值为空”
• 类型提示中 Optional[str] 允许 str 或 None，但不允许 '' 作为替代
• 静态分析工具（如 mypy）只识别 is None 作为 None 检查，not x 不会被当作类型守卫

在类型检查

和 IDE 中怎么避免漏判？

即使写了 is None，也可能因逻辑顺序或作用域问题导致误判。常见疏漏包括：

• 先做 if x is not None: 再用 x，但后续代码没缩进，导致 x 仍可能为 None
• 多个条件混用，如 if x and x is not None: —— 前半部分已触发假值判断，冗余且误导
• 使用 typing.Optional 但没配合 is None 做运行时检查，类型提示只是静态约束
• 在 pandas 或 NumPy 中，np.nan 和 pd.NA 都不等于 None，也不能用 is None 检测，需用 pd.isna(x) 或 np.isnan(x)

一个容易被忽略的边界：函数没写 return 时的返回值

Python 函数默认返回 None，哪怕你忘了写 return，这点常被忽视。比如：

def maybe_return_value(flag):
    if flag:
        return "ok"
result = maybe_return_value(False)  # result 是 None，不是未定义
if result is None:  # 必须这样判断
print("no value returned")

这里 result 确实是 None，但如果你用 if not result:，当 maybe_return_value(True) 返回 "0" 或 0 时也会误入分支 —— 这种隐式转换带来的歧义，正是必须显式用 is None 的根本原因。