Creo que el principal problema es conforme a la definición de categorías de variables y su diferencias. Voy a intentar concentrarme principalmente en las secuencias debido a que suelen ser el tipo de variables en las cuales más diferencias puedes encontrar.
Aunque inicialmente no responden tus preguntas, creo que definir estos conceptos te puede ayudar a tener una visión más completa del panorama y a poder delimitar cada categoría y que ventajas pueden implicar.
Nota. Al final se presenta las respuestas a las preguntas planteadas
Las secuencias se pueden clasificar a partir de varios parámetros, uno de esos parametros es el tipo de variables que puede contener, a partir de este se definen dos tipos de secuencias:
- Secuencias contenedoras (Container sequences). Pueden almacenar objetos de distintos tipos.Algunos ejemplos de este tipo de secuencias son: list, tuple, etc.
- Secuencias planas (Flat sequences). Permite almacenar objetos de un mismo tipo. Algunos ejemplos de este tipo de secuencias son: bytes, str, array, etc.
A partir de esta clasificación lo único que se intenta remarcar es el hecho de los tipos flat sequences solo pueden contener un tipo de objeto, es decir, el tipo str solo contiene caracteres mientras un container sequences puede contener en un mismo objeto algunas estructuras anidadas, cadenas, enteros, etc. La forma en como se logra que un secuencia pueda ser de tipo container sequence es conceptualmente a través de una estructura similar a un array de apuntadores (en C), es decir, que una lista es un array, donde el primer índice apunta al primer objeto y es aquí donde se marca principalmente la diferencia de rendimiento entre estos dos tipos de sequencias.
- Para acceder a un objeto dentro de un container sequences primero hay que leer la dirección de memoria que se encuentra en el indice referenciado, una vez obtenida la dirección de memoria, hay que hacer referencia a ella para obtener realmente el objeto que nos importa
- En el casos de flat sequences, los valores son directamente guardados en el indice del array, es decir que solo hay que ir al indice del array para saber cual es el valor del objeto que nos importa, no es necesario el paso intermedio de leer una dirección de memoria extra.
Hasta este momento y debido al funcionamiento antes mencionado, las flat sequences tienen principalmente dos ventajas:
- Una flat sequence guarda los valores como tal, no necesita guardar información extra para poder hacer referencia a cualquier tipo de objeto (como es en el caso de container sequences), esto se traduce a menor costo de memoria.
- Las computadoras modernas generalmente hacen uso de varios niveles de caché basados en el principio de localidad, de manera muy reducida quiere decir que cuando lees información de memoria, esta lectura no solo trae exactamente lo que quieres, si no que ademas trae bloques o páginas de memoria que contienen información que se encuentra cerca de la que estas intentando obtener, esto es extremadamente útil cuando tienes array debido a que los array abarcan direcciones de memoria adjuntas que se traduce en que cuando lees un índice, posiblemente tengas los valores de sus índices vecinos en caché. En el caso de las flat sequences, estas son beneficiadas completamente por estos mécanismos, mientras las container sequences se ven perjudicadas por que dentro de cada índice tienen un puntero que lleva al valor, y este valor muy posiblemente no este cercano en cuanto a direcciones de memoria, razón por la cual puede ser menos posible que este en caché.
Marcando estas principales diferencias, existen también la clasificación conforme a la mutabilidad de las estructuras.
- Secuencias mutables. Pueden ser modificadas. Ejemplo: list, array, etc.
- Secuencias inmutables. No pueden ser modificadas. Ejemplo: str, tuple, etc.
La principal diferencia ademas del hecho de que pueden o no pueden ser modificadas es en su funcionamiento interno, por ejemplo la comparación entre list y tuple es conforme a su rendimiento, y esto puede ser expresado en varios sentidos:
- Las tuplas no tienen que reservar memoria extra debido a que no pueden ser modificadas, en cambio las list deben tener un colchón de memoria para amortizar la acción de expandirse.
- Hay optimizaciones en el bytecode generado por las tuple que no se encuentran en las variables de tipo list.
- Al realizar una copia con
float(f)
, se retorna una referencia al mismo objeto.
A partir de lo anterior, quiero remarcar que la inmutabilidad no solo se da en secuencias, también puede hablarse de variables de tipo númerico, sin embargo la comparación o las ventajas que puede presentarse con este tipo de dato son muy específicas de cada circunstancia, realmente no es que estrictamente alguna categoría se compare por referencia y otra por valor.
A partir de lo antes expresado, voy a empezar a aclarar algunos puntos que mencionabas.
1-Me causa bastante curiosidad el hecho de que algunos objetos iterables en Python, solo admiten objetos inmutables (diccionarios, conjuntos, etc ...).
Esto no es del todo cierto, los diccionarios y conjuntos no aceptan solo objetos inmutables como llaves, en realidad cualquier instancia de una clase definida por un usuario puede ser utilizada como llave y esta no tiene que ser inmutable. El requisito para que un objeto puede ser utilizado como llave es que sea hashable, esto significa que:
- El objeto debe implementar el dunder method
__hash__
que retorna el hash code que representa al objeto. En caso de que sea una instancia de una clase definida por el usuario, este método retorna el valor del la función id
por defecto, es decir, la dirección de memoria del objeto.
- El objeto debe implmenetar el dunder method
__eq__
que debe retornar un valor booleano que determine si es igual a otro objeto. Cada pareja de objetos que retorne True
al realizar una comparación de igualdad con __eq__
, también debería retornar el mismo hash code en sus métodos __hash__
. En caso de que sea una instancia de una clase definida por el usuario, este método retorna el valor del la función id
por defecto, es decir, la dirección de memoria del objeto.
La necesidad de que ambos métodos esten definidos se da principalmente por como funcionan los diccionarios y el tratamiento de colisiones en sus hash code.
Por último y no menos importante...
Esto quiere decir que los objetos mutables se comparan por valor y no por referencia, y que los inmutables hacen exactamente lo contrario . Y esto tiene sentido cuando vemos el comportamiento de Python en asignacion de valores. Cuando se tratan de cadenas, Python comprueba si el valor esta en la tabla de cadenas internas, y esto lo podemos ver en el siguiente ejemplo:
La respuesta es no, independientemente si la variable es mutable o inmutable, se tiene dos métodos de comparación.
__eq__
. Llamado mediante el operador ==
y comprueba generalmente la igualdad de los objetos conforme a los valores que contiene
is
. Compara dos objetos pero mediante su referencia.
En resumen se puede decir que una variable no es un valor o un objeto, es una etiqueta o enlace a un objeto, varias etiquetas pueden apuntar al mismo objeto y cuando no existen etiquetas apuntando a un objeto o las únicas etiquetas son de objetos que se estan apuntando entre ellos mismos, entonces estos objetos son eliminados por el intérprete mediante el garbage collector
.
Entonces, ambos tipos de objetos se pueden comparar mediante valor o mediante su referencia o etiqueta, la razón por la cual obtienes este resultado:
>>> a = 1
>>> b = 1
>>> a is b
True (ver modificacion)
El resultado obtenido es por optimizaciones que hace python, estas dependen de la versión de python y son definidas al estilo de... los primeros 256 números son cacheados en memoria, razón por la cual, cualquier variable (etiqueta que apunte a ellos) va hacer referencia al mismo objeto en memoria, es por eso que la comparación con is
es verdadera.
Una optimización similar ocurre con las cadenas pero en ambos casos no deberías tomar como premisa que estas optimizaciones siempre son realizadas, puede variar entre versiones.