Python片分配内存使用率

我在这里读到一条关于堆栈溢出的评论，当更改列表时，执行片分配更有效。比如说,

a[:] = [i + 6 for i in a]

应该比

a = [i + 6 for i in a]

因为前者替换现有列表中的元素，而后者创建一个新列表并将

a

重新绑定到该新列表中，将旧的

a

保留在内存中，直到可以对其进行垃圾收集。将两者作为速度基准，后者稍快一些：

$ python -mtimeit -s 'a = [1, 2, 3]' 'a[:] = [i + 6 for i in a]'
1000000 loops, best of 3: 1.53 usec per loop
$ python -mtimeit -s 'a = [1, 2, 3]' 'a = [i + 6 for i in a]'
1000000 loops, best of 3: 1.37 usec per loop

这就是我所期望的，因为重新绑定变量应该比替换列表中的元素更快。然而，我找不到任何支持内存使用声明的官方文档，我也不确定如何对其进行基准测试

从表面上看，内存使用声明对我来说是有意义的。但是，再仔细考虑一下，我希望在前一种方法中，解释器将根据列表理解创建一个新列表，然后将该列表中的值复制到

a

，使匿名列表四处浮动，直到垃圾回收为止。如果是这样，那么前一种方法将使用相同数量的内存，同时速度也会变慢

有人能明确地（通过基准测试或官方文档）说明这两种方法中哪一种更节省内存/哪一种是首选方法吗

提前谢谢。

电话线

a[:] = [i + 6 for i in a]

v_as_SF = PySequence_Fast(v, "can only assign an iterable");

不会保存任何内存。Python确实会首先计算右侧，如中所述：

赋值语句计算表达式列表（请记住，这可以是单个表达式或逗号分隔列表，后者生成元组），并将单个结果对象从左到右分配给每个目标列表

在本例中，单个结果对象将是一个新列表，目标列表中的单个目标将是

a[：]

我们可以用生成器表达式替换列表理解：

a[:] = (i + 6 for i in a)

现在，右侧的计算结果是生成器，而不是列表。基准测试表明，这仍然比幼稚测试慢

a = [i + 6 for i in a]

那么生成器表达式真的节省了内存吗？乍一看，你可能认为是这样。但深入研究表明，事实并非如此。线路

v_as_SF = PySequence_Fast(v, "can only assign an iterable");

用于首先将iterable（在本例中为生成器）转换为元组，然后将元组复制到旧列表中。元组使用的内存量与列表相同，因此在本例中，使用生成器表达式与使用列表理解基本相同。在最后一次复制期间，将重用原始列表中的项目

---

寓意似乎是，最简单的方法在任何方面都是最好的。

+1无情地粉碎了过早的（内存）优化程序。感谢您提供详细而深刻的答案！对于上面的评论，我想补充一点，如果您处理的是一个包含500万个元素的列表，并且可以在复制和不复制之间进行选择，那么这可能不是过早的优化。：）@米奇：如果你有500万个条目，那么你最好使用NumPy数组，而不是Python列表。看看引擎盖下的机制，这是一个非常好和明确的答案+1性能方面可能值得考虑，但我认为您更有可能遇到实际情况（在较大的程序中），在这种情况下，您会传递对列表的引用，例如从Class1到Class2。在第一个实例中，使用slice赋值修改Class1的列表将保留Class2的引用。在您引用的第二个例子中，修改Class1的列表意味着Class2将保留对不再有效的列表的引用。@Brandon:这也是事实，我可能应该在我的问题中提到区别。谢谢你的意见。