内存中存放的一块逻辑的整体数据对象具有唯一的标识符，对象包括属性(Properties)和方法(Methods)，属性就是需要记忆的信息，方法就是对象能够提供的服务。在面向对象面向对象（object-oriented）编程中，对象(Object)是某一个类(Class)的实例(Instance)。在 Python shell 中输入 dir(2) 可以知道，在 Python 中 2 并不是简单的一个整数，而且包含了很多内置的方法。
引用像指针一样指向一块内存空间，跟 C 语言中的指针相似。
简单的赋值语句 a = 10000, a 指向了 10000 所在的那块内存。a 引用的对象就是存放 10000 的内存地址。
is 判断两个变量是否引用同一个对象，id() 取得对象的内存地址
a = 10000
b = 10000
print a is b
输出是 False, 可以知道 a，b 是两个不同的对象,每次创建都会申请新的内存
a = 1
b = 1
print a is b
输出是 True，a，b又是相同的对象了。这是因为在 Python 启动的时候，常用的整数[-5, 256]就建立好，不销毁的对象，也就是 a，b 都引用相同的一块内存（存放1的内存）,每次创建这个范围内的整数对象不会申请新的内存。这是个设计上的均衡，用一些内存的浪费，来提高大部分程序的运行速度
Python 中容器（可以包含其他对象的对象）中存放的对象实际上都是引用
In [17]: a = [[]] * 5
In [18]: a
Out[18]: [[], [], [], [], []]
In [19]: a[1].append(0)
In [20]: a
Out[20]: [[0], [0], [0], [0], [0]]
In [21]: a[0] is a[1]
Out[21]: True
a 列表有五个相同的元素，这五个元素都是对同一个空列表的引用(21行)，所以改变其中任何一个元素(不改变对象引用的情况下)，所有的五个元素都会同时进行改变
list 是可变对象，在 list 扩容的时候有几种方法
In [6]: a = [1]
In [7]: id(a)
Out[7]: 28048488
In [8]: a = a + [2]
In [9]: a
Out[9]: [1, 2]
In [10]: id(a)
Out[10]: 28047696
可以看出使用 + 修改列表，创建了新的列表（对象），a 已经不是原先那个对象，不存放在原先那个内存地址了，进行了大量的内存复制
In [21]: a = [1]
In [22]: id(a)
Out[22]: 20913832
In [23]: a += [2]
In [24]: id(a)
Out[24]: 20913832
使用 += 修改列表，并没有创建新的列表(对象)，还存放在原先那个地址。（extend 与 += 几乎相同，只是 extend 多了调用函数的时间）。
In [29]: a = [1]
In [30]: id(a)
Out[30]: 28048704
In [31]: a.append(2)
In [32]: id(a)
Out[32]: 28048704
使用 append 修改列表，也没有创建新的列表，也是存放在原先那个地址。append 会进行提前的内存申请，扩容时会更快。但是 append 只能进行单个元素的扩容，内存消耗较大。
所以列表扩容的时候尽量使用 extend 或者 append（当然 list 如果进行频繁大量空间的扩容，肯定会造成效率问题）。
string 和 tuple 都是不可变对象，所以在进行改变的时候肯定都会创建新的对象。(根据这个原理，可以思考下为什么 string 进行合并的时候为什么建议用 join)
在 Python 中函数也是对象，所以我们可以像整数赋值一样，将函数赋值给一个变量,将函数作为参数传递给另一个函数,我觉得这也是为什么Python中存在 decorator 的一个原因
参考:
http://zh.wikipedia.org/wiki/%E5%AF%B9%E8%B1%A1_(%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6)
Python群 22507237 的 @冒泡 大神