作者 | 豌豆花下貓
來源 | Python貓（ID:python_cat）
Python 中的
sys
模塊極為基礎而重要，它主要提供了一些給解釋器使用（或由它維護）的變量，以及一些與解釋器強交互的函數。
本文將會頻繁地使用該模塊的
getsizeof()
方法，因此，我先簡要介紹一下：
-
該方法用于獲取一個對象的字節大小（bytes）
-
它只計算直接占用的內存，而不計算對象內所引用對象的內存
這里有個直觀的例子：
import
?sys
a?=?[
1
,?
2
]
b?=?[a,?a]??
#?即?[[1,?2],?[1,?2]]
#?a、b?都只有兩個元素，所以直接占用的大小相等
sys.getsizeof(a)?
#?結果：80
sys.getsizeof(b)?
#?結果：80
上例說明了一件事： 一個靜態創建的列表，如果只包含兩個元素，那它自身占用的內存就是 80 字節，不管其元素所指向的對象是什么。
好了，擁有這把測量工具，我們就來探究一下 Python 的內置對象都藏了哪些小秘密吧。
1、空對象不是“空”的！
對于我們熟知的一些空對象，例如空字符串、空列表、空字典等等，不知道大家是否曾好奇過，是否曾思考過這些問題：
空的對象是不是不占用內存呢？ 如果占內存，那占用多少呢？為什么是這樣分配的呢？
直接上代碼吧，一起來看看幾類基本數據結構的空對象的大小：
import
?sys
sys.getsizeof(
""
)??????
#?49
sys.getsizeof([])??????
#?64
sys.getsizeof(())??????
#?48
sys.getsizeof(set())???
#?224
sys.getsizeof(dict())??
#?240
#?作為參照：
sys.getsizeof(
1
)???????
#?28
sys.getsizeof(
True
)????
#?28
可見，雖然都是空對象，但是這些對象在內存分配上并不為“空”，而且分配得還挺大（記住這幾個數字哦，后面會考）。
排一下序： 基礎數字<空元組 < 空字符串 < 空列表 < 空集合 < 空字典。
這個小秘密該怎么解釋呢？
因為這些空對象都是容器，我們可以抽象地理解： 它們的一部分內存用于創建容器的骨架、記錄容器的信息（如引用計數、使用量信息等等）、還有一部分內存則是預分配的。
2、內存擴充不是均勻的！
空對象并不為空，一部分原因是 Python 解釋器為它們預分配了一些初始空間。 在不超出初始內存的情況下，每次新增元素，就使用已有內存，因而避免了再去申請新的內存。
那么，如果初始內存被分配完之后，新的內存是怎么分配的呢？
import
?sys
letters?=?
"abcdefghijklmnopqrstuvwxyz"
a?=?[]
for
?i?
in
?letters:
????a.append(i)
????print(
f'
{len(a)}
,?sys.getsizeof(a)?=?
{sys.getsizeof(a)}
'
)
b?=?set()
for
?j?
in
?letters:
????b.add(j)
????print(
f'
{len(b)}
,?sys.getsizeof(b)?=?
{sys.getsizeof(b)}
'
)
c?=?dict()
for
?k?
in
?letters:
????c[k]?=?k
????print(
f'
{len(c)}
,?sys.getsizeof(c)?=?
{sys.getsizeof(c)}
'
)
分別給三類可變對象添加 26 個元素，看看結果如何：
由此能看出可變對象在擴充時的秘密：
-
超額分配機制： 申請新內存時并不是按需分配的，而是多分配一些，因此當再添加少量元素時，不需要馬上去申請新內存
-
非均勻分配機制： 三類對象申請新內存的頻率是不同的，而同一類對象每次超額分配的內存并不是均勻的，而是逐漸擴大的
3、列表不等于列表！
以上的可變對象在擴充時，有相似的分配機制，在動態擴容時可明顯看出效果。
那么，靜態創建的對象是否也有這樣的分配機制呢？ 它跟動態擴容比，是否有所區別呢？
先看看集合與字典：
#?靜態創建對象
set_1?=?{
1
,?
2
,?
3
,?
4
}
set_2?=?{
1
,?
2
,?
3
,?
4
,?
5
}
dict_1?=?{
'a'
:
1
,?
'b'
:
2
,?
'c'
:
3
,?
'd'
:
4
,?
'e'
:
5
}
dict_2?=?{
'a'
:
1
,?
'b'
:
2
,?
'c'
:
3
,?
'd'
:
4
,?
'e'
:
5
,?
'f'
:
6
}
sys.getsizeof(set_1)??
#?224
sys.getsizeof(set_2)??
#?736
sys.getsizeof(dict_1)?
#?240
sys.getsizeof(dict_2)?
#?368
看到這個結果，再對比上一節的截圖，可以看出： 在元素個數相等時，靜態創建的集合/字典所占的內存跟動態擴容時完全一樣。
這個結論是否適用于列表對象呢？ 一起看看：
list_1?=?[
'a'
,?
'b'
]
list_2?=?[
'a'
,?
'b'
,?
'c'
]
list_3?=?[
'a'
,?
'b'
,?
'c'
,?
'd'
]
list_4?=?[
'a'
,?
'b'
,?
'c'
,?
'd'
,?
'e'
]
sys.getsizeof(list_1)??
#?80
sys.getsizeof(list_2)??
#?88
sys.getsizeof(list_3)??
#?96
sys.getsizeof(list_4)??
#?104
上一節的截圖顯示，列表在前 4 個元素時都占 96 字節，在 5 個元素時占 128 字節，與這里明顯矛盾。
所以，這個秘密昭然若揭： 在元素個數相等時，靜態創建的列表所占的內存有可能小于動態擴容時的內存！
也就是說，這兩種列表看似相同，實際卻不同！ 列表不等于列表！
4、消減元素并不會釋放內存！
前面提到了，擴充可變對象時，可能會申請新的內存。
那么，如果反過來縮減可變對象，減掉一些元素后，新申請的內存是否會自動回收掉呢？
import
?sys
a?=?[
1
,?
2
,?
3
,?
4
]
sys.getsizeof(a)?
#?初始值：96
a.append(
5
)??????
#?擴充后：[1, 2, 3, 4, 5]
sys.getsizeof(a)?
#?擴充后：128
a.pop()??????????
#?縮減后：[1, 2, 3, 4]
sys.getsizeof(a)?
#?縮減后：128
如代碼所示，列表在一擴一縮后，雖然回到了原樣，但是所占用的內存空間可沒有自動釋放啊。 其它的可變對象同理。
這就是 Python 的小秘密了， “胖子無法減重原理” ： 瘦子變胖容易，縮減身型也容易，但是體重減不掉，哈哈~~~
5、空字典不等于空字典！
使用 pop() 方法，只會縮減可變對象中的元素，但并不會釋放已申請的內存空間。
還有個 clear() 方法，它會清空可變對象的所有元素，讓我們試試看吧：
import
?sys
a?=?[
1
,?
2
,?
3
]
b?=?{
1
,?
2
,?
3
}
c?=?{
'a'
:
1
,?
'b'
:
2
,?
'c'
:
3
}
sys.getsizeof(a)?
#?88
sys.getsizeof(b)?
#?224
sys.getsizeof(c)?
#?240
a.clear()????????
#?清空后：[]
b.clear()????????
#?清空后：set()
c.clear()????????
#?清空后：{}，也即 dict()
調用 clear() 方法，我們就獲得了幾個空對象。
在第一小節里，它們的內存大小已經被查驗過了。 （前面說過會考的，請 默寫 回看下）
但是，如果這時再查驗的話，你會驚訝地發現，這些空對象的大小跟前面查的并不完全一樣！
#?承接前面的清空操作：
sys.getsizeof(a)?
#?64
sys.getsizeof(b)?
#?224
sys.getsizeof(c)?
#?72
空列表與空元組的大小不變，然而空字典（72）竟然比前面的空字典（240）要小很多！
也就是說，列表與元組在清空元素后，回到起點不變初心，然而，字典這家伙卻是“賠了夫人又折兵”，不僅把“吃”進去的全吐出來了，還把自己的老本給虧掉了！
字典的這個秘密藏得挺深的，說實話我也是剛剛獲知，百思不得其解……
以上就是 Python 在分配內存時的幾個小秘密啦，看完之后，你是否覺得漲見識了呢？
你想明白了幾個呢，又產生了多少新的謎團呢？ 歡迎留言一起交流哦~
對于那些沒有充分解釋的小秘密，今后我們再慢慢揭秘……
作者簡介： ?豌豆花下貓，生于廣東畢業于武大，現為蘇漂程序員，有一些極客思維，也有一些人文情懷，有一些溫度，還有一些態度。公眾號：「Python貓」（python_cat）
（*本文由Python大本營轉載，轉載請聯系原作者）
◆
精彩推薦
◆
# 2019 AI開發者大會明日開幕 #? 李沐「深度學習實訓營」+? 60 余位技術大咖 +? 9 大技術主題分享，干貨不斷！點擊閱讀原文，查看大會詳情 。
推薦閱讀
-
只給測試集不給訓練集，要怎么做自己的物體檢測器？
-
冠軍獎3萬元！CSDN×易觀算法大賽開賽啦
-
吐血整理！ 140種Python標準庫、第三方庫和外部工具都有了
-
如何用爬蟲技術幫助孩子秒到心儀的幼兒園（基礎篇）
-
Python傳奇：30年崛起之路
-
干貨 | Python后臺開發的高并發場景優化解決方案
-
2019年最新華為、BAT、美團、頭條、滴滴面試題目及答案匯總
-
阿里巴巴楊群：高并發場景下Python的性能挑戰
你點的每個“在看”，我都認真當成了喜歡
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
