python中 list.count(true)可能返回比预期更大的值，这是因为整数 1 在布尔上下文中等于 true，而 count()执行的是值相等（==）比较而非身份比较（is），导致 1 也被计入。
在 Python 中，bool 是 int 的子类，且 True == 1 和 False == 0 恒为真。因此，当调用 my_list.count(True)时，Python 内部使用 == 逐项比较——不仅匹配显式的 True 对象，也会匹配所有值为 1 的元素（如整数 1、浮点数 1.0，甚至某些自定义对象若重载了__eq__返回 True）。
例如：
my_list = [1, 2.5, 'isa', False, True] print(my_list.count(True)) # 输出：2 → 因为 1 == True 且 True == True此处 1 和 True 都被视为“相等”，故计数为 2。
⚠️ 注意：list.count()不区分类型与身份 ，它只做值比较。这与 sum(item is True for item in my_list) 有本质 区别——后者仅统计内存中完全相同的 True 对象。
立即学习“Python 免费学习笔记（深入）”；
✅ 推荐解决方案（精确统计布尔 True）：
my_list = [1, 2.5, 'isa', False, True] count_true = sum(1 for x in my_list if x is True) print(count_true) # 输出：1其他可靠方式包括：
- 使用生成器表达式配合 is 判断：len([x for x in my_list if x is True])
- 利用 filter：len(list(filter(lambda x: x is True, my_list)))
- 若需同时排除 1.0、1 等数值，也可用类型 + 值双重校验：sum(1 for x in my_list if isinstance(x, bool) and x is True)
? 总结：list.count(True)不是“统计布尔真值”的安全方法；当业务逻辑严格要求区分 True 与数值 1 时，务必改用 is True 身份判断。这是 Python 类型 隐式转换 特性带来的常见陷阱，理解 == 与 is 的语义差异是避免此类问题的关键。
