list切片必然创建新对象，因为cpython必须分配新内存并复制元素引用；其底层是动态数组，无法提供视图，所有切片操作均触发malloc，故id(old)≠id(new)恒成立。
list 切片必然创建新对象，不是“可能”，而是 CPython 的底层实现决定的——它必须分配新内存、逐个复制元素引用。
这背后没有魔法，只有明确的内存管理逻辑：Python 的 list 是动态数组，内部用连续指针块存储对元素的引用。当你写 new = old[1:5]，解释器会：
- 计算出要取 4 个元素（索引 1–4）
- 调用
PyList_New(4)分配一块新内存（含 list 头部 + 4 个指针槽） - 把
old中对应位置的指针值 memcpy 过去 - 返回这个全新
list对象
所以 id(old) != id(new) 是铁律，哪怕切片长度为 0 或 1。
为什么不能返回“视图”？
list 没有连续数据布局的保证：它的元素可以是任意 Python 对象（int、dict、自定义类实例），内存地址完全离散。无法像 numpy.ndarray 或 memoryview 那样暴露底层缓冲区并做偏移映射。所谓“视图”在 list 上根本不可行。
你看到的 a[:] is a 为 False、sys.getsizeof(a[1:]) > 0、dis.dis 显示两条 SLICE+1 指令——全是在印证这件事：每次切片，C 层都实实在在 malloc 了一块新内存。
data[:].sort() 为什么没效果？
这不是 bug，是预期行为：
-
data[:]→ 创建副本 A -
.sort()→ 在 A 上原地排序 - 副本 A 没被赋值给任何变量 → 立即被垃圾回收
-
data完全不受影响
常见错误写法还包括：
-
data[2:].append(x)：追加到副本上，data不变 -
data[::-1].reverse()：先翻转出副本，再对副本调reverse()（其实啥也没改） -
if data[1:] == data[:-1]: ...：触发两次完整副本 + 逐元素比较，小列表尚可，大列表内存和时间双爆炸
想避免副本，只能换数据结构
list 本身不支持零拷贝切片。真要绕开，三条路：
-
itertools.islice(data, start, stop)：返回迭代器，不建新列表，但不支持索引（result[5]报错）、不支持负索引 -
numpy.array(data)[start:stop]：返回视图（共享内存），但要求所有元素类型一致，且引入了 NumPy 依赖 -
array.array('i', data)+memoryview(...)[start:stop]：仅适用于数值型，且原始array必须生命周期长于memoryview
别试图用 del data[:n] “原地裁剪”来省内存——CPython 会把后面所有元素往前挪，仍是 O(n) 时间，且没省下多少空间（list 内部有 over-allocation）。
嵌套列表切片时的引用陷阱
shallow copy 只复制外层引用：
original = [[1, 2], [3, 4]] shallow = original[:] shallow[0].append(99) # 影响 original[0]
因为 shallow[0] is original[0] 为 True。需要彻底隔离，必须用 copy.deepcopy()，但代价是递归遍历 + 更多内存。
真正关键的不是“要不要副本”，而是你是否意识到副本已经发生——很多 bug 就藏在那个没人接住的匿名切片里。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
