在 Python 中，**默认参数陷阱**（Default Parameter Trap）是指当函数的默认参数是**可变对象*

在 Python 中，默认参数陷阱（Default Parameter Trap）是指当函数的默认参数是可变对象（如 list、dict 等）时，该对象在函数定义时被创建并复用于后续所有未传参的调用中，导致意外的状态累积。这是 Python 初学者常踩的坑。

✅ 安全做法：始终使用不可变的默认值（如 None），并在函数体内显式创建可变对象。

❌ 危险写法（陷阱示例）：

def append_to_list(item, lst=[]):  # ❌ 危险！[] 是可变默认参数
    lst.append(item)
    return lst

print(append_to_list(1))  # [1]
print(append_to_list(2))  # [1, 2] ← 意外！复用了上一次的 list
print(append_to_list(3))  # [1, 2, 3] ← 越滚越大

✅ 正确写法（None 安全模式）：

def append_to_list(item, lst=None):  # ✅ 默认为 None
    if lst is None:
        lst = []  # ✅ 每次调用都新建空列表
    lst.append(item)
    return lst

print(append_to_list(1))  # [1]
print(append_to_list(2))  # [2]
print(append_to_list(3))  # [3]
print(append_to_list(4, [10, 20]))  # [10, 20, 4] ← 传入的仍正常工作

🔍 原理：

• 函数定义时，def f(x=[]) 中的 [] 在模块加载时只创建一次，并绑定到 f.__defaults__；
• 而 def f(x=None) 中的 None 是不可变单例，每次调用时检查 is None 后再按需初始化，完全隔离。

💡 进阶提示：

• 可用 lst = lst or []？❌ 不推荐！因为 lst=[] 会被视为 falsy，导致传入空列表也被覆盖；
• ✅ 推荐严格用 if lst is None:，语义清晰且兼容 []、{}、False、0 等合法输入。

Python 不在每次调用时重新创建默认参数对象，是因为默认参数在函数定义时（def 语句执行时）被求值并绑定到函数对象的 __defaults__ 属性上，这是 Python 的设计决策，核心原因如下：

✅ 1. 一致性与可预测性（设计哲学）

Python 遵循“定义即执行”原则：所有表达式（包括默认参数）在 def 执行时求值一次。这与其他语言中“默认值是表达式模板”的惰性求值不同。例如：

import time
def f(t=time.time()):  # ✅ t 在 def 时固定为定义时刻的时间戳
    return t

若每次调用都重求值，t 就变成动态的，反而破坏了“默认值应是确定、可预期”的语义。

✅ 2. 性能优化

避免重复构造（如 [], {}, datetime.now() 等）可提升高频调用函数的性能。尤其对轻量函数（如工具函数），反复新建空列表开销虽小，但设计上统一处理更高效。

✅ 3. 实现简洁性与内存模型统一

Python 函数是一等对象，其默认值存储在 func.__defaults__（元组）和 func.__kwdefaults__ 中，作为函数对象的不可变元数据（注意：元组本身不可变，但其中元素如 [] 是可变对象）。这种设计使函数对象状态清晰、可反射、可序列化（如 pickle），也便于调试（可通过 inspect.signature() 查看）。

⚠️ 但代价是：可变对象陷阱

问题不在于“设计错误”，而在于开发者误将可变对象当作“每次调用的初始状态”来理解。Python 明确文档指出：

“Default parameter values are evaluated from left to right when the function definition is executed.”
—— Python Docs: Default Argument Values

✅ 正确心智模型：

默认参数 = 函数的“静态属性”，不是调用时的“初始化表达式”。

💡 补充冷知识：
你甚至可以手动修改默认参数（不推荐，但证明其可变性）：

def g(x=[]):
    x.append(1)
    return x

print(g())  # [1]
print(g.__defaults__)  # ([1],) ← 已被修改！
print(g())  # [1, 1] ← 再调用继续累加