每种编程语言都有一些不为人知的陷阱，有些实际工作中会踩到，有些可能根本排不上用场，但弄明白这些陷阱有利于我们更好的去了解这门语言的实现机制。
下面这个题，你是否能一眼看出问题的本质。
# 第一组 >>> a = 256 >>> b = 256 >>> a is b True # 第二组 >>> a = 257 >>> b = 257 >>> a is b False # 第三组 >>> a = 257; b = 257 >>> a is b True
不管是 Python2 还是 Python3 环境下，只要你是在 CPython 的交互式命令行 REPL 中执行，结果没什么不同。
我们知道 is 比较的是两个对象的内存地址是否一样（ id 函数返回一个和对象的内存地址相关的值），言外之意就是看a，b两个变量是否指向同一个对象。我们来看看每个变量的 id 值。
>>> a = 256 >>> id(a) 1721788128 >>> b = 256 >>> id(a) 1721788128 >>> a = 257 >>> id(a) 14947024 >>> b = 257 >>> id(b) 14947104 >>> a = 257; b=257 >>> id(a) 14947136 >>> id(b) 14947136 >>>
不出所料，前后两组 a，b的 id 值是相同的，只有中间这组 id 值不一样，我们可以对其简单分析一下原因。在 Python 中，一切皆为对象，理论上任意两个对象的 id 值都是不一样的，例如：
>>> nums = [1,2,3,4] >>> id(nums) 15148936 >>> nums2 = [1,2,3] >>> id(nums2) 15160824 >>> nums3 = [1,2,3] >>> id(nums3) 15160864
看得出每个对象的 id 值是不同的，哪怕两个对象的值（内容）相同，他们的 id 值也是不一样的（nums2和nums3）。那为什么前面第一组两个对象的id值相同呢？可能有些同学已经知道了
因为在 Python 中，我们需要使用对象的时候 Python 就会为我们创建好，当不需要了它就会进行回收，就好比屋子里面的东西用完之后，要及时清理，否则整个屋子很快就会堆满，最终导致房间再也塞不进任何东西。
同样的，为了提高性能，Python 就把一些常用的整数专门缓存起来，就像屋子里面有些东西总是每天都要频繁使用，比如床，你不能说睡完之后，就把床搬出去，要用了再搬回来，这样的效率太低，因为这个搬运过程实在是太耗时了。于是，我们可以专门拿一块空间用来放置这个床。
Python 中也是同样的道理，因为整数是我们经常使用的对象，为了避免重复的创建、回收，干脆就把那些常用的整数缓存起来，每次需要使用时直接从缓存中拿，而不是重新创建（重新创建的话，肯定是一个全新的对象）。这些整数的范围是[-5, 256]，当然这个数字范围是Python之父决定的，你要改，必须重新编译Python环境。
现在我们就能解释第一组为什么是True，第二组为什么是False了。为什么第三组结果又是 True 了？，不是说好大于256的整数不再缓存，每次使用都是新对象吗？别急，再听我啰嗦一下。
还是出于性能考虑，Python内部做了进一步优化，怎么优化呢？但凡是在同一个代码块中的代码，如果出现两个值相同的整数，那么它们将被重用，来看下面这个代码：
# test.py # -*- coding: utf-8 -*- a = 257 b = 257 def func(): c = 257 print(a is c) # False print(a is b) # True func()
上面代码是在一个 test.py 文件中，运行时，a和b的id值相同，而c的id值与a不一样，因为a、b 在同一个代码块，属于模块级别，而 c 是在函数里面，属于局部变量，他们不属于同一代码块中，因此函数里面的 257 这个对象时会重新创建，而创建 b 的时候，发现同级代码块中有个257的值了，就重用了这个对象。
再回到前面讲的第三组值，在 Python 的交互式命令行 REPL 中，每单独一行都视为一个代码块，同一行中的代码属于同一个代码块，因此不难理解，第三组中的a和b处在同一个代码块中，所以后者重用了前者，因此，两个变量的id是相同的。
有没有觉得这是一个坑。虽然我们实际场景中并不一定能用上，但是至少我们知道了Python为我们做的一些优化工作。
