详解python的内存分配机制
目录
- 开始
- == vs是
开始
作为一个实例,让我们创建四个变量并为其赋值:
variable1 = 1 variable2 = "abc" variable3 = (1,2) variable4 = ['a',1] #打印他们的ids print('Variable1: ', id(variable1)) print('Variable2: ', id(variable2)) print('Variable3: ', id(variable3)) print('Variable4: ', id(variable4))
打印结果如下所示:
变量1:1747938368
变量2:152386423976
变量3:152382712136
变量4:152382633160
每个变量都被分配了一个新的内存地址(以整数形式表示)。第一个假设是,每当我们使用“ =”给变量赋值时,Python都会创建一个新的内存地址来存储变量。这是100%正确的吗?当然不是!
我将创建两个新变量(5和6)并使用现有变量的值给它们赋值。
variable5 = variable1 variable6 = variable4 print('Variable1: ', id(variable1)) print('Variable4: ', id(variable4)) print('Variable5: ', id(variable5)) print('Variable6: ', id(variable6))
Python打印结果:
变量1:1747938368
变量4:819035469000
变量5:1747938368
变量6:819035469000
你注意到,Python并未为这两个变量创建新的内存地址吗?这次,它只是把两个新变量都指向了现有变量相同的存储位置。
现在让我们为变量1设置一个新值。注意:整数是不可变数据类型。
print('Variable1: ', id(variable1)) variable1 = 2 print('Variable1: ', id(variable1))
这将打印:
Variable1: 1747938368
Variable1: 1747938400
这意味着每当我们使用=并将新值给现有变量赋值时,就会在内部创建一个新的内存地址来存储该变量。让我们看看它是否成立!
当值是可变数据类型时会发生什么?variable6是一个列表,让我们在列表结尾append一个值并打印其内存地址:
print('Variable6:',id(variable6)) variable6.append('new') print('Variable6:',id(variable6))
请注意,变量的内存地址保持不变,因为它是可变数据类型,我们仅更新了其元素。
Variable6:678181106888
Variable6:678181106888
让我们创建一个函数并将一个变量传递给它。如果我们在函数内部设置变量的值,它会发生什么?让我们评估一下。
def update_variable(variable_to_update): print(id(variable_to_update)) update_variable(variable6) print('Variable6: ', id(variable6))
请注意,variable_to_update的ID指向变量6的ID。
这意味着如果我们在函数中更新variable_to_update且variable_to_update是可变数据类型,那么variable6的值将更新。我们看一个具体例子:
variable6 = ['new'] print('Variable6: ', variable6) def update_variable(variable_to_update): variable_to_update.append('inside') update_variable(variable6) print('Variable6: ', variable6)
这将打印:
Variable6:['new']
Variable6:['new','inside']
它向我们展示了如何在函数中的更新一个可变的变量,你可以看到函数类和函数外的可变变量都具有相同的ID。
如果我们在函数内给变量赋一个新值(而不是更新),无论它是不可变的还是可变的数据类型,那么一旦退出函数,更改将丢失:
print('Variable6: ', variable6) def update_variable(variable_to_update): print(id(variable_to_update)) variable_to_update = ['inside'] update_variable(variable6) print('Variable6: ', variable6)
Variable6:['new']
344115201992
Variable6:['new']
现在是一个有趣的场景:Python并不总是为所有新变量创建一个新的内存地址。
最后,如果我们为两个不同的变量分配一个字符串值,例如“ a”,该怎么办?它会创建两个内存地址吗?
variable_nine ="a" variable_ten ="a" print('Variable9:',id(variable_nine)) print('Variable10:',id(variable_ten))
注意,这两个变量具有相同的内存位置:
Variable9:792473698064
Variable10:792473698064
如果我们创建两个不同的变量并为其分配一个长字符串值,该怎么办:
variable_nine = "a" * 21 variable_ten = "a" * 21 print('Variable9: ', id(variable_nine)) print('Variable10: ', id(variable_ten))
这次Python为两个变量创建了两个不同内存位置:
Variable9:541949933872
Variable10:541949933944
为什么? 这是因为Python启动时会创建一个内部值缓存,这样做是为了提供更快的结果。Python会为少量整数(如-5到256之间)和较小的字符串值分配了少量的内存地址。这就是我们示例中的短字符串都具有相同ID的原因,而长字符串的ID则不同。
== vs是
有时我们想检查两个对象是否相等。
- 如果我们使用==,它将检查两个参数是否包含相同的数据
- 如果我们使用is,那么Python将检查两个对象是否引用相同的对象,此时两个对象的id必须相同
var1 = "a" * 30 var2 = "a" * 30 print('var1:',id(var1))#318966315648 print('var2:',id(var2))#168966317364 print('==:', var1 == var2)#返回True print('is:',var1 is var2)#返回False
以上就是详解python的内存分配机制的详细内容,更多关于python 内存分配机制的资料请关注hwidc其它相关文章!
【出处:随州seo提供,感谢支持】