Python对象内存结构为PyObject*指针指向堆上对象，头部含ob_refcnt和ob_type字段；小整数、字符串字面量可能复用或驻留；None/True/False为单例；is比较地址，==调用__eq__；type()返回ob_type，isinstance()查MRO；动态类型导致每次操作需运行时查类型分发。
Python 对象的内存结构长什么样
Python 里所有变量都是 PyObject* 指针，不存值，只指向堆上真正的对象。每个对象头部固定有两个字段：ob_refcnt（引用计数）和 ob_type（指向类型对象的指针）。这意味着哪怕你写 x = 42，解释器也要在堆上分配一个 PyLongObject，填好值、设好类型、初始化引用计数为 1。
类型信息不是存在变量里，而是存在对象自身——所以 type(x) 实际是读 x->ob_type，不是查变量声明。
- 小整数（-5 到 256）会预分配并复用，所以
a = 100; b = 100; a is b为True - 字符串字面量可能被驻留（interned），但运行时拼接的字符串一般不会，
"a" + "b" is "ab"可能成立，s1 + s2 is "ab"几乎总为False -
None、True、False是单例对象，它们的id()全局唯一
为什么 is 和 == 行为不同
is 比较的是指针地址（即是否同一块内存），== 调用的是对象的 __eq__ 方法。由于动态类型下“相等”的语义由类型自己定义，== 的结果完全取决于 ob_type->tp_richcompare 或 tp_hash 等 C 层函数的实现。
常见误用：用 is 判断数值或字符串相等。比如 [] is [] 一定为 False（两个新列表地址不同），而 [1,2] == [1,2] 为 True（list.__eq__ 逐项比）。
立即学习“Python免费学习笔记（深入）”；
- 只对单例对象（
None、True、False）用is是安全且推荐的 -
is在 C 扩展中常用于快速类型检查，如if PyList_Check(obj)底层就是比较obj->ob_type == &PyList_Type - 自定义类若没重写
__eq__，默认继承object.__eq__，行为等价于is
type() 和 isinstance() 查的是什么
type(x) 直接返回 x->ob_type，不做继承链查找；isinstance(x, cls) 则会遍历 x->ob_type 的 MRO（方法解析顺序）链，看 cls 是否在其中。这就是为什么 isinstance(True, int) 是 True（bool 继承自 int），但 type(True) is int 是 False。
-
type()返回的是“实际构造出该对象的那个类”，不是“最接近的父类” - 多继承下 MRO 由 C3 线性化算法决定，
cls.__mro__可查看具体顺序 -
isinstance(x, (A, B, C))中元组会被展开，任意一个匹配即返回True
动态类型带来的运行时开销在哪
每次属性访问（x.attr）、方法调用（x.method()）、甚至算术运算（a + b）都必须在运行时查对象类型，再跳转到对应实现。比如 a + b 实际调用 a->ob_type->tp_as_number->nb_add(a, b)，如果 a 是 int 就走整数加法，是 str 就走字符串拼接，是自定义类就找它的 __add__。
- 属性访问要查
__dict__、描述符、__getattr__，路径远比静态语言长 - Cython 或
__slots__能减少实例字典开销，但改不了类型分发本身 - CPython 的 AST 编译器不会做类型特化，所以循环里反复调用
len(x)不会自动内联或缓存类型判断
真正难优化的不是“类型可变”，而是“每次操作都要重新确认类型+分发”。这也是为什么 PyPy 的 JIT 能提速——它在运行时观测类型稳定模式，生成专用机器码。
