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：
立即学习“Python免费学习笔记（深入）”；
def maybe_return_value(flag):
if flag:
return "ok"
<p>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。
