答案。

理解 Python 如何将参数传递给函数，对于防止数据意外更改和正确设计代码极为重要。

问题的历史

在传统编程语言中，如 C 或 Java，使用按值传递 (copy by value) 或按引用传递 (copy by reference)。但 Python 使用的是不同的模型——按对象引用调用 (有时称为 "按共享调用")。

问题

许多开发人员错误地认为 Python 总是按引用或按值传递参数。这必然会导致可变对象在调用代码中意外被修改。

解决方案

在 Python 中，函数参数的值是对传递给函数的对象的引用。这意味着：

如果对象是 可变的 (mutable: list, dict, set…) — 在函数内部可以修改它，且这会反映到外部。
如果对象是 不可变的 (immutable: int, str, tuple, frozenset)，在函数内部尝试修改它将导致创建一个新对象，而不影响外部。

示例：

# list - 可变的 (mutable)
def add_item(lst):
    lst.append(42)

my_list = [1, 2, 3]
add_item(my_list)
print(my_list)  # [1, 2, 3, 42]

# int - 不可变的 (immutable)
def add_num(x):
    x = x + 1

num = 10
add_num(num)
print(num)  # 10

关键特征：

可变对象可以在函数内部被修改，这些变化在外部是可见的。
不可变对象不会被函数影响——只会创建新的对象。
Python 从不自动复制参数，即使是可变结构始终是 "按引用" 传递的。

误导性问题。

在 Python 中，参数总是按引用传递吗？

不，在 Python 中，传递的是对对象的引用，而对象的行为取决于它是否是可变的。不可变对象在任何修改下都会创建新对象。

可以在函数中重新赋值可变参数，以影响外部对象吗？

不可以。如果您在函数内部给参数重新赋值，外部对象不会改变——您只是更改了局部引用。

示例：

def reassign_list(lst):
    lst = [99, 100]

my_list = [1, 2, 3]
reassign_list(my_list)
print(my_list)  # [1, 2, 3]

为什么默认接受 list 的函数在多次调用时可能表现奇怪？

因为默认值在函数定义时只创建一次，如果更改它（例如，添加元素），它在后续调用中会发生变化。

def add_element(x, cache=[]):
    cache.append(x)
    return cache

print(add_element(1))  # [1]
print(add_element(2))  # [1, 2]

常见错误和反模式

使用可变的默认参数（如最后一个示例中）。
期望函数不会更改传递的 list 或 dict，虽然它会修改。
混淆在处理可变和不可变对象时的函数效果。

生活中的例子

负面案例

程序员将列表传递给函数，并期望他们的原始列表不会改变，但函数添加了一个元素。

优点：

运行快速，无需复制数据。

缺点：

意外的副作用，代码中的错误，如果有人不知道参数的修改。

正面案例

程序员在函数内部明确复制列表，如果需要返回某些内容，但不想更改原始：

def process_data(data):
    data = data.copy()  # 或 list(data)
    # 安全处理副本
    data.append('报告')
    return data