每種編程語言都有一些不為人知的陷阱，有些實際工作中會踩到，有些可能根本排不上用場，但弄明白這些陷阱有利于我們更好的去了解這門語言的實現機制。

下面這個題，你是否能一眼看出問題的本質。

# 第一組
>>> a = 256
>>> b = 256
>>> a is b
True
# 第二組
>>> a = 257
>>> b = 257
>>> a is b
False
# 第三組
>>> a = 257; b = 257
>>> a is b
True

不管是 Python2 還是 Python3 環境下，只要你是在 CPython 的交互式命令行 REPL 中執行，結果沒什么不同。

我們知道 is 比較的是兩個對象的內存地址是否一樣（ id 函數返回一個和對象的內存地址相關的值），言外之意就是看a，b兩個變量是否指向同一個對象。我們來看看每個變量的 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，前后兩組 a，b的 id 值是相同的，只有中間這組 id 值不一樣，我們可以對其簡單分析一下原因。在 Python 中，一切皆為對象，理論上任意兩個對象的 id 值都是不一樣的，例如：

>>> nums = [1,2,3,4]
>>> id(nums)
15148936

>>> nums2 = [1,2,3]
>>> id(nums2)
15160824

>>> nums3 = [1,2,3]
>>> id(nums3)
15160864

看得出每個對象的 id 值是不同的，哪怕兩個對象的值（內容）相同，他們的 id 值也是不一樣的（nums2和nums3）。那為什么前面第一組兩個對象的id值相同呢？可能有些同學已經知道了

因為在 Python 中，我們需要使用對象的時候 Python 就會為我們創建好，當不需要了它就會進行回收，就好比屋子里面的東西用完之后，要及時清理，否則整個屋子很快就會堆滿，最終導致房間再也塞不進任何東西。

同樣的，為了提高性能，Python 就把一些常用的整數專門緩存起來，就像屋子里面有些東西總是每天都要頻繁使用，比如床，你不能說睡完之后，就把床搬出去，要用了再搬回來，這樣的效率太低，因為這個搬運過程實在是太耗時了。于是，我們可以專門拿一塊空間用來放置這個床。

Python 中也是同樣的道理，因為整數是我們經常使用的對象，為了避免重復的創建、回收，干脆就把那些常用的整數緩存起來，每次需要使用時直接從緩存中拿，而不是重新創建（重新創建的話，肯定是一個全新的對象）。這些整數的范圍是[-5, 256]，當然這個數字范圍是Python之父決定的，你要改，必須重新編譯Python環境。

現在我們就能解釋第一組為什么是True，第二組為什么是False了。為什么第三組結果又是 True 了？，不是說好大于256的整數不再緩存，每次使用都是新對象嗎？別急，再聽我啰嗦一下。

還是出于性能考慮，Python內部做了進一步優化，怎么優化呢？但凡是在同一個代碼塊中的代碼，如果出現兩個值相同的整數，那么它們將被重用，來看下面這個代碼：

# test.py
# -*- coding: utf-8 -*-
a = 257
b = 257

def func():
    c = 257
    print(a is c)  # False

print(a is b)  # True

func()

上面代碼是在一個 test.py 文件中，運行時，a和b的id值相同，而c的id值與a不一樣，因為a、b 在同一個代碼塊，屬于模塊級別，而 c 是在函數里面，屬于局部變量，他們不屬于同一代碼塊中，因此函數里面的 257 這個對象時會重新創建，而創建 b 的時候，發現同級代碼塊中有個257的值了，就重用了這個對象。>博客：foofish.net > 公眾號：Python之禪

再回到前面講的第三組值，在 Python 的交互式命令行 REPL 中，每單獨一行都視為一個代碼塊，同一行中的代碼屬于同一個代碼塊，因此不難理解，第三組中的a和b處在同一個代碼塊中，所以后者重用了前者，因此，兩個變量的id是相同的。

有沒有覺得這是一個坑。雖然我們實際場景中并不一定能用上，但是至少我們知道了Python為我們做的一些優化工作。