Python函数传参本质是传对象引用的副本，可变对象被原地修改会直接影响调用方数据；高危场景包括默认参数用可变对象、返回原引用、链式调用隐式修改；应使用None作默认值、显式复制、清晰命名并用id()调试。
Python 中用可变对象（如 list、dict、set）作函数参数时，真正危险的不是“被修改”，而是调用者没意识到修改会直接反映到原对象上——这违反直觉，且难以追踪。
风险根源：传参本质是“传对象引用”
Python 没有“传值”或“传引用”的简单二分。它传递的是对象引用的副本。对不可变对象（如 int、str、tuple），副本指向同一对象，但任何“修改”都会新建对象，原变量不受影响；而可变对象在函数内调用 .append()、.update()、+= 等原地操作时，修改的是引用所指的那个内存中的对象本身，调用方看到的就是被改过的原对象。
例如：
def bad_append(items, x):
items.append(x) # 原地修改！
data = [1, 2]
bad_append(data, 3)
print(data) # 输出 [1, 2, 3] —— 调用方数据已变常见高危场景
-
默认参数用可变对象：函数定义时默认值只创建一次，多次调用会持续复用同一个 list/dict，导致“状态残留”。
（例：def f(x, cache=[]): cache.append(x); return cache，第二次调用会带着第一次的元素） -
函数返回原对象的引用：比如写了个“过滤函数”却误用了
.remove()或del，实际在原列表上删，而非返回新列表。 -
链式调用中隐式修改：如
my_dict.update(other_dict)不返回新 dict，而是就地更新，若误以为它像**{}解包那样生成新对象，就会出错。
安全实践：明确意图，切断意外共享
- 默认参数一律用
None，函数内手动初始化：def f(x, cache=None):<br> if cache is None:<br> cache = []
- 需要“读取并加工”时，显式复制：
传入list就用items.copy()或items[:]；
传入dict就用data.copy()或dict(data)（浅拷贝足够多数场景）。 - 函数名和文档明确表达行为：
用filter_list_inplace()表示会改原列表，filter_list()则应返回新列表，并在 docstring 写清“不修改输入”。
调试提示：快速识别是否被意外修改
在关键位置打印 id(obj)：如果函数前后 id 不变，说明是同一对象；若你没打算改它，却看到 id 相同 + 内容变了，就是踩坑了。也可以在函数入口加 assert not isinstance(arg, (list, dict, set))（仅调试期）强制暴露问题。
立即学习“Python免费学习笔记（深入）”；
