Odpowiedź.

Mutowalność definiuje, czy obiekt może być zmieniony bez zmiany jego identyfikatora (adresu w pamięci):

• Obiekty mutowalne (np. list, dict, set) można zmieniać: dodawać elementy, modyfikować lub usuwać.
• Obiekty niemutowalne (np. int, str, tuple, frozenset) nie mogą być zmieniane po utworzeniu — wszelkie "zmiany" tworzą nowy obiekt.

Wpływ na funkcje:

• Gdy przekazujesz obiekt mutowalny do funkcji — może on zostać zmieniony.
• W przypadku obiektów niemutowalnych nie dojdzie do zmian, nawet jeśli "zastąpisz" je wewnątrz funkcji.

Przykład:

def f(lst):
    lst.append(42)

data = []
f(data)
print(data)  # [42]

def f2(x):
    x += 1
n = 1
f2(n)
print(n)  # 1

Pytanie z podstępem.

"Co wypisze poniższy kod?"

def foo(bar=[]):
    bar.append(1)
    return bar
print(foo())
print(foo())

Odpowiedź: Wypisze:

[1]
[1, 1]

Ponieważ argumenty funkcji są inicjalizowane tylko raz przy definiowaniu, a nie przy każdym wywołaniu. Listy (i inne obiekty mutowalne) w argumentach funkcji — to popularna pułapka.

Przykłady rzeczywistych błędów z powodu braku znajomości niuansów tematu.

---

Historia

W REST API zwracano listę przez funkcję z domyślnym parametrem:

def get_default_items(items=[]):
    items.append('x')
    return items

Po kilku wywołaniach zauważono, że lista rośnie, chociaż oczekiwano otrzymania tylko jednego elementu.

---

Historia

W funkcji planowano "zastąpić" słowo:

def replace_word(word):
    word.replace('a', 'b')
word = 'data'
replace_word(word)
print(word)  # Oczekiwano 'dbtb', otrzymano 'data'

Metody str nie zmieniają oryginalnego łańcucha, ale zwracają nowy, jednak wartość zwracanego wyniku została zignorowana.

---

Historia

Pracując z zagnieżdżonymi strukturami:

original = [[1, 2], [3, 4]]
copy = original[:]
copy[0][0] = -1
print(original)  # [[-1, 2], [3, 4]]

Użyto płytkiego kopiowania, sądząc, że zmienili tylko kopię, ale zagnieżdżone obiekty pozostały wspólne.