每一个编程语言的背后都有自己独特的内存模型支持，比如最经典的C语言，一个int类型占8字节。那么在python中不区分数据类型，定义一个变量其在内存在占用多少字节呢？python中数据的运算其内存是如何变化的呢？
在回答上面的问题之前，首先看一下python中可变的数据和不可变数据
一、可变对象和不可变对象
Python一切数据皆为对象，python中的对象分成两类：可变对象和不可变对象。所谓可变对象是指，对象的内容可变，而不可变对象是指对象内容不可变。
不可变（immutable）：数值(int、float)、字符串(string)、元组（tuple)
可变（mutable）：字典型(dictionary)、列表型(list)
根据对象的分类，可以将数据类型也做一个分类，可变数据类型与不可变数据类型：
可变数据类型：列表list和字典dict
不可变数据类型：整型int、浮点型float、字符串型string和元组tuple
这里的可变不可变，是指内存中的那块内容是否可以被改变。
如果是不可变类型，在对对象本身操作的时候，必须在内存中新申请一块区域(因为老区域不可变)。创建a=1整型对象，执行a=2时，内存中的对象1是不变的，只是重新创建了对象2。
如果是可变类型，对对象操作的时候，不需要再在其他地方申请内存，只需要在此对象后面连续申请(+/-)即可，也就是它的内存地址会保持不变，但区域会变长或者变短。
当对可变和不可变对象运算时会内存中会发生什么事情呢？对比来看
不可变数据类型：不允许变量的值发生变化，如果改变了变量的值，相当于是新建了一个对象，而对于相同的值的对象，在内存中则只有一个对象，内部会有一个引用计数来记录有多少个变量引用这个对象；
可变数据类型：允许变量的值发生变化，即如果对变量进行append、+=等这种操作后，只是改变了变量的值，而不会新建一个对象，变量引用的对象的地址也不会变化，不过对于相同的值的不同对象，在内存中则会存在不同的对象，即每个对象都有自己的地址，相当于内存中对于同值的对象保存了多份，这里不存在引用计数，是实实在在的对象。
python对于数据的特殊处理
小整数
Python为了优化速度，避免为整数频繁申请和销毁内存空间，使用了小整数对象池。对小整数的定义是 [-5, 256] 这些整数对象是提前建立好的，不会被垃圾回收。在这个范围内所有的整数都只会被建立一次。
a = 100 b = 100 print(id(a)) print(id(b)) ------------------------- 94125443429088 94125443429088
a = 200 b = 200 print a is b ----------------- True a = 300 b = 300 print a is b ----------------- False
大整数
大整数池： 只存储包含标准字符（数字、字母、下划线）的字符串，不包含特殊字符的字符串 。
python为了避免创建大整数浪费的内存空间和时间，将创建过的大整数加入大整数池。
python中大整数池，默认大整数池里面为空，每一个py程序都有一个大整数池。使用大整数时如果大整数池里不存在该整数的话，会新建一个大整数对象。下次使用大整数时直接使用大整数池里的对象，而不是创建新的对象
py文件中，每次运行时都会将所有代码加载到内存中，属于一个整体，因此处于同一个代码块的大整数是同一个对象，所以两者id是一样的。
a = '12345' b = '12345' print id(a) print id(b) ----------------------------- 140139908067808 140139908067808 print a is b ----------------------------- True
其他数据类型
如果是其他普通类型对象的新建，python会请求内存，申请内存 。当n1的引用指向其他对象时，原有对象的引用计数会自动减1，没有被引用的对象会立即回收。
