对象(Objects)是python中数据的抽象，python中所有的数据均可以用对象或者是对象之间的关系来表示。每个对象均有标识符(identity)、类型(type)、值(value)。
- 标识符。对象一旦创建，那么它的标识符就不会改变，可以把标识符看作对象在内存中的地址。is 操作可以用来比较两个对象的标识符，函数id()用来返回对象标识符(python中返回对象在内存中的地址)。
- 类型。对象的类型也是不可变的，对象的类型决定了该对象支持的操作，另外也决定了该对象可能的值。type()函数返回一个对象的类型。
- 值。一些对象的值可以改变，我们叫它可变对象，字典和列表均属于可变对象；值不可改变的对象我们叫它不可变对象，数字、字符串、元组均属于不可变对象。
在python中，不存在所谓的传值调用，一切传递的都是对象的引用，也可以认为是传地址。
可变对象与不可变对象
python在heap中分配的对象分成两类：可变对象和不可变对象。所谓可变对象指的是，对象的内容可变，而不可变对象是指对象的内容不可变。
不可变（immutable）对象：int、字符串（string）、float、数值型（number）、元组（tuple）。
可变（mutable）对象：字典型（dictionary）、列表型（list）。
一、不可变对象
由于Python中的变量存放的是对象引用，所以对于不可变对象而言，尽管对象本身不可变，但变量的对象引用是可变的。
i = 73
i += 2
从上面图示得知，对象73和对象75并没有变化，变化的只是创建了一个新的对象，改变了变量的对象的引用。看看下面的代码，更能体现这一点：
#因为258是int对象，是不可变对象的。所以下面3个id的值都是一样的，最后一句的结果也是为True
#有点奇怪的是为什么在IDLE，和在脚本执行的结果不太一样。所以下面的代码请在脚本中执行。 print(id(258))
a = 258
print(id(a))
b = 258
print(id(b))
print(a is b)
总结一下，不可变对象的优缺点。
优点是：这样可以减少重复的值对内存空间的占用。
缺点是：我要修改这个变量绑定的值，如果内存中没用存在该值的内存块，那么必须重新开辟一块内存，把新地址与变量名绑定。而不是修改变量原来指向的内存块的值，这回给执行效率带来一定的降低。
二、可变对象
其对象的内容是可以变化的。当对象的内容发生变化时，变量的对象引用是不会变化的。如下面的例子：
m=[5,9]
m+=[6]
函数参数
Python函数参数对于可变对象，函数内对参数的改变会影响到原始对象；对于不可变对象，函数内对参数的改变不会影响到原始参数。原因在于：
1、可变对象，参数改变的是可变对象，其内容可以被修改。
2、不可变对象，改变的是函数内变量的指向对象。
有关可变对象和不可变对象的介绍，简单的介绍到这里。
对象的回收机制
python不像C那样需要显式地回收对象占用的空间，python内核中有垃圾回收机制，当一个对象不可达时，就会交由垃圾回收机制处理。
一些对象引用了一些外部资源，例如打开的文件或者窗口。通常我们认为当这些对象被垃圾回收机制回收时，它占用的外部资源即被释放。但是，垃圾回收机制并不一定会回收这些对象，因此这些对象提供了显式的方法(通常是_close()_)用来释放外部资源。程序中最好使用显式的方法来释放外部资源，一般可以使用 _try...finally_方便地释放。
对象的类型
对象的类型几乎影响了该对象的所有功能，在某种程度上，对象的标识符也受其类型的影响。
>>> sum = 15
>>> sum_add = 12 + 3
>>> sum is sum_add
True
>>> sum = 15000000
>>> sum_add = 10000000 + 5000000
>>> sum is sum_add
False
>>> sum_add == sum
True
对于不可变对象(这里是int)，当我们需要一个新的对象(sum_add = 12 + 3)时，python可能会返回已经存在的某个类型和值都一致的对象(sum)的引用。当然，这里只是可能会返回已经存在的对象，要看python的具体实现。同样是创建新的对象sum_add = 10000000 + 5000000，python并没有把值和类型都一样的sum返回给sum_add。
>>> value = []
>>> value_1 = []
>>> value is value_1
False
>>> value == value
True
>>> value = value_1 = []
>>> value is value_1
True
对于可变对象，当我们需要新的对象时，python一定会为我们新建一个。注意，这里value = value_1 = []将会创建一个空的列表对象，然后同时返回给value和value_1。
扑朔迷离的不可变对象
首先看下面的代码：看我怎么改变不可变对象的值
>>> mutability = [1, 2, 3, 4]
>>> immutability = (0, mutability, 5)
>>> immutability
(0, [1, 2, 3, 4], 5) #查看可变对象与不可变对象的标识符(内存地址)
>>> id(mutability)
28356200
>>> id(immutability)
28048640 #对可变对象与不可变对象都做一些改变
>>> mutability[2] = "see here!"
>>> immutability
(0, [1, 2, 'see here!', 4], 5) #查看改变后的可变对象与不可变对象的标识符(内存地址)
>>> id(mutability)
28356200
>>> id(immutability)
28048640
这里元组immutability中一个元素为可变对象列表mutability，当我们改变mutability的值时，号称不可变对象的元组的值似乎发生了变化。这又是为什么呢？
回答这个问题前，先总结下上面这段代码发生了什么：不可变对象A包含了一个对可变对象B的引用，可变对象B的值发生改变时，不可变对象A的值似乎会发生改变。
那么，为什么我们仍认为A是不可变对象呢？因为A仍然包含对象B，而B的标识符并没有发生变化，也就是说A的所有元素的标识符并没有发生变化。
看内存的布局是怎样的：
可以看出a是一个list列表类型的对象，它是一个可变对象，所以修改它的值不会创建新的对象。但是b是一个不可变对象，只要修改它的值，就会重新创建对象，注意，这里并没有修改它的值，因为它的所有元素的标识符并没有变化。
再看下面的例子：
>>> a = 2
>>> b = (1, a, 3)
>>> b
(1, 2, 3)
>>> id(a)
23112444
>>> id(b)
27983104 >>> a += 10
>>> b
(1, 2, 3)
>>> id(b[1])
23112444
>>> id(b)
27983104 >>> id(a)
23112324
在执行a+=10之前的内存布局为：
执行完a+=10的指令之后的内存布局为：
这里仅仅是原来的int（2）这个对象的引用数目减1.
在来一个狠的，在上面代码的基础上再来一个：
>>> b
(1, 2, 3) >>> b[1] = 13
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'tuple' object does not support item assignment >>> b[1]
2
通过元组类型的对象b对其中的一个int类型对象赋值，这样的话，因为int是不可变对象，所以会重新申请新的内存，那么同样会引起元组b中的xxx引用变量的改变，那么这样就真正的改变了元组b对象的某个元素的标识符。导致真正的改变了不可变元组对象b，这时就会报错。
修改上面的一些bug：
1. 首先id(a)函数是查看引用变量a所指向的对象的标识符，也就是内存地址。并不是引用变量a的内存地址。
2. 不管是元组还是列表，它们的元素存储的都是某个真实对象的引用，并不存储这个对象，因为python中一切皆对象。
先看一个内存结构，然后在看代码：
>>> a = (1,2,3)
>>> b = [1,2,3]
>>> id(a)
19840616
>>> id(b)
28577384
>>> id(a[0])
20032264
>>> id(b[0])
20032264