Python中的 A += B 赋值谜题

在Python中，我们通常使用+=来给一个变量增加值，比如a += 1表示将a加1并把结果赋值给a。但是这个看似简单的赋值操作背后有着不少奥妙，本篇文章就来探讨一下Python中的A+=B的一些神奇之处。

等价于 A = A + B 吗？

我们首先来看看A+=B到底是不是和A = A + B一样的操作。在大多数情况下，这两个操作是等价的，比如：

a = 1
b = 2
a += b
print(a)   # 输出3

和

a = 1
b = 2
a = a + b
print(a)   # 输出3

这两个代码段看上去没有什么区别，都是把变量a加上变量b的值。但是，如果a是一个可变对象（比如一个列表），情况就不一样了。我们看下面的代码：

a = [1, 2, 3]
b = [4, 5]
a += b
print(a)   # 输出[1, 2, 3, 4, 5]

和

a = [1, 2, 3]
b = [4, 5]
a = a + b
print(a)   # 输出[1, 2, 3, 4, 5]

两个代码片段看上去依然是等价的，都是把列表a和列表b拼接起来。但是，这里有个细节：a = a + b实际上是先新建一个列表然后再把这个列表赋值给原来的变量a，而a += b则是直接在原来的列表a上面增加元素。

为了更好地理解这个区别，我们可以看看下面的例子：

a = [1, 2, 3]
b = [4, 5]
c = a
a += b
print(c)   # 输出[1, 2, 3, 4, 5]

输出结果竟然是[1, 2, 3, 4, 5]！这是由于列表c和列表a实际上是指向同一个对象的，也就是说，a += b操作直接修改了列表a的值，同时也改变了列表c的值。而a = a + b操作则会新建一个列表来存放合并后的结果，然后再把这个列表赋值给a，此时c并没有改变。

A += B 和 A = A + B 的性能差异

除了上面的赋值行为上的区别外，A += B和A = A + B还有一个显著的区别就是性能表现不同。为了探讨这个问题，我们可以使用Python内置的timeit模块来测试一下。我们让它分别执行1000次A+=B和A=A+B操作，代码如下：

import timeit

a = [1] * 1000
b = [2] * 1000

t1 = timeit.timeit('a += b', globals=globals(), number=1000)
t2 = timeit.timeit('a = a + b', globals=globals(), number=1000)

print('A += B: {:.6f}s'.format(t1))
print('A = A + B: {:.6f}s'.format(t2))

输出结果如下：

A += B: 0.003849s
A = A + B: 0.201633s

你会发现，A += B操作比A = A + B快了很多，约为后者的1/50！这是因为A += B是直接修改a的值，而A = A + B则需要新建一个列表，然后再把这个列表赋值给a。对于小规模的操作来说，两者的表现差异并不明显，但是当数据量变得很大的时候，A += B的优势就凸显出来了。

需要注意的是，这个性能差异只在操作可变对象（比如列表）的时候才会出现，对于不可变对象（比如整数、元组等），两种赋值操作的性能表现是一样的。

总结

A += B和A = A + B看上去很相似，但实际上，它们存在着不少区别。需要注意的是，当A是可变对象的时候，两者的行为可能不同，而且在性能上也有很大的差异。因此，需要在实际编程中根据场景来选择合适的赋值方式。