Python 为什么每次赋值都有新地址
在Python中，每次对变量进行赋值操作时，都会创建一个新的对象，并将该对象的引用赋给变量。这是因为Python中的变量本质上是对象的引用，而不是对象本身。当我们对一个变量进行赋值操作时，实际上是在改变变量所引用的对象，而不是改变对象本身。
让我们通过一个简单的例子来说明这一点：
x = 10
y = x
print(id(x))
print(id(y))
在上面的代码中，我们首先创建一个整数对象10，并将其引用赋给变量x。然后，我们将变量x的值赋给变量y，并打印出变量x和y所引用的对象的内存地址。这里我们会发现x和y引用的是同一个对象，即它们共享同一个内存地址。这是因为在这种情况下，Python会进行对象的缓存，避免重复创建相同的对象。
但是，当我们对变量进行重新赋值时，情况就会发生变化：
x = 10
y = x
x = 20
print(id(x))
print(id(y))
在这个例子中，我们首先创建一个整数对象10，并将其引用赋给变量x。然后，我们将变量x的值赋给变量y。接着，我们将变量x的值改为20，并再次打印出变量x和y所引用的对象的内存地址。这时我们会发现x和y引用的是不同的对象，即它们有各自独立的内存地址。这是因为在这种情况下，Python会为新的赋值创建一个新的对象，而不是在原有对象上进行修改。
在Python中，这种每次赋值都有新地址的特性是为了确保对象的不可变性。如果Python允许在原有对象上进行修改，那么可能会导致程序出现难以追踪的错误。因此，为了避免这种情况的发生，Python选择了每次赋值都创建新对象的方式。
状态图
stateDiagram
[*] --> X
X --> Y: x = 10
Y --> Z: y = x
Z --> X: x = 20
类图
classDiagram
class Object {
id
value
}
class Variable {
id
value
__init__()
assign_value()
}
Object <|-- Variable
总的来说，Python每次赋值都有新地址的设计是为了保证对象的不可变性和程序的可靠性。尽管这可能会导致一些额外的内存开销，但它能够确保程序在运行过程中不会出现意外的修改。因此，在编写Python程序时，我们应该充分理解这一特性，并合理地处理变量赋值操作，以避免不必要的问题发生。
