python中的静态内存：循环会在内存中创建新的变量实例吗？答案

【问题标题】：Static memory in python: do loops create new instances of variables in memory?python中的静态内存：循环会在内存中创建新的变量实例吗？
【发布时间】：2010-07-22 04:56:29
【问题描述】：

我一直在运行 Python 脚本，这些脚本多次调用某些函数，例如 F1(x) 和 F2(x)，看起来有点像这样：

x = LoadData()

for j in range(N):
    y = F1(x[j])
    z[j] = F2(y)

    del y

SaveData(z)

如果我保留“del y”行，性能会快很多。但我不明白为什么这是真的。如果我不使用“del y”，那么我很快就会用完 RAM，不得不求助于虚拟内存，一切都会慢下来。如果我使用“del y”，则购买，然后我会反复刷新并为 y 重新分配内存。我想做的是让 y 作为静态内存，并在每次 F1(x) 调用时重用内存。但据我所知，事实并非如此。

另外，不确定它是否相关，但我的数据由 numpy 数组组成。

【问题讨论】：

这个问题可能假设 y 首先在循环内声明，我应该提到这一点。不过，请随意评论问题的这方面！
如果你不喜欢显式的del y，那么将循环体提取到一个函数中。这样，任何完全在循环内的变量都将在每次迭代时自动清理。
@Duncan 我做了同样的事情，但它仍然具有相同的行为。我做错了什么还是正常行为？

标签： python memory

【解决方案1】：

如果没有del y，您可能需要两倍的内存。这是因为对于每次循环，y 绑定到 F1 的前一个值，同时计算下一个值。

一旦F1 返回 y 就会反弹到该新值，并且可以释放旧的 F1 结果。

这意味着F1返回的对象占用了相当多的内存

在前几次迭代中展开循环看起来像这样

y = F1(x[0])   # F1(x[0]) is calculated, then y is bound to it
z[j] = F2(y)
y = F1(x[1])   # y is still bound to F1(x[0]) while F1(x[1]) is computed
               # The memory for F1(X[0]) is finally freed when y is rebound
z[j] = F2(y)

如果您遇到这种情况，使用 del y 是一个很好的解决方案。

【讨论】：

听听听听 -- 这完全解释了为什么使用del y 会有更好的性能
谢谢，这一定是正在发生的事情：如果没有 del，我的内存使用量会翻倍，会溢出一点到虚拟内存中（因为我的 RAM 恰好位于 y 的一到两个实例之间）并且脚本以低性能运行。我现在会坚持使用 del 解决方案；再次感谢您解释何时/如何创建 y 的实例。

【解决方案2】：

你真正想要的是在python中做的很奇怪的事情——你想为y分配一个内存区域并将指向该区域的指针传递给F1()，以便它可以使用该区域来构建y 的下一个值。这避免了F1() 自己分配y 的新值，然后将其引用写入您自己的变量y（这实际上不是F1() 计算的任何值，而是对它）

已经有一个关于在 python 中通过引用传递的 SO 问题：How do I pass a variable by reference?

【讨论】：

【解决方案3】：

对于非常大的 N 值，请使用 xrange 而不是 range 以节省内存。你也可以嵌套函数，但我不知道这是否对你有帮助。：\

x = LoadData()

for j in xrange(N):
    z[j] = F2(F1(x[j]))

SaveData(z)

也许 F1 和 F2 正在制作不必要的对象副本，最好的方法是就地复制，例如：

x = LoadData()
for item in x:
    item.F1()
    item.F2()
SaveData(x)

对不起，如果可能回答没有帮助

【讨论】：

我担心我的例子会允许嵌套；在实际脚本中，它不是一个实用的选项。我认为 gnibbler 的反馈正确地描述了这种情况，但感谢您的反馈。在您指出之前，我对 xrange 函数并不熟悉。