详解python的内存分配机制

作为一个实例，让我们创建四个变量并为其赋值：

variable1 = 1variable2 = 'abc'variable3 = (1,2)variable4 = [’a’,1]#打印他们的idsprint(’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 = variable1variable6 = variable4print(’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 = 2print(’Variable1: ’, id(variable1))

这将打印：

Variable1: 1747938368Variable1: 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。

Variable6：678181106888Variable6：678181106888

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’]344115201992Variable6：[’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：

Variable9：792473698064Variable10：792473698064

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' * 21variable_ten = 'a' * 21print(’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：

Variable9：541949933872Variable10：541949933944

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。

有时我们想检查两个对象是否相等。

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好吧啦网其它相关文章！