py学习

变量赋值和引用

【变量赋值的本质】

• 每当定义一个新变量时，就会在内存中开辟一块空间用于数据存储。
• 所以不同的变量，他们的内存地址是不同的。使用id()获取内存地址，使用is判断变量内存地址是否相同。

name = "zhangsan"
age = 18

# 如上述两个变量的赋值，就是定义了两个变量，变量名分别是name和age, 
# 本质上分别开辟了两块不同的内存控制，存放字符串"zhangsan"和数字18，
# 当我们访问name或age时，就会在对应的内存空间上获取值。

【变量引用的本质】

• 把一个变量的内存地址，同时关联到另一个新变量上，于是两个变量对应一块内存地址。

a = 100
b = a 

# 此时a和b指向同一块内存空间，即id(a) == id(b)

通过以下两个示例，可以看出不可变类型变量和可变类型变量在引用时的区别。

• 示例1：将a指向另一块新的内存空间，b依然指向自己的内存空间

a = 100
b = a

a = 200
print(a, b)   # 200 100

• 示例2：a和b指向同一块内存空间，只要这块内存空间上的元素发生变化时，关联的变量都受影响。

a = [1,2,3,4]
b = a
a[0] = 100
print(a[0], b[0])   # 100, 100

# 像字典、集合都属于可变类型的变量，引用时都存在上述现象

小整数池

python在内存上有一定的优化，比如小整数池和字符串驻留。

• 【小整数池】：python解释器会在程序开始运行的时候就预先开辟一块内存空间，存放一部分整数。以后程序需要用到一些变量绑定到这些值时，直接绑定到这个内存地址上，不需要再逐个开辟空间(开辟空间访问硬件需要资源消耗)，这是python的一种资源优化机制。范围：-5~256
• 【字符串驻留】：Python的驻留机制对相同的字符串只保留一份拷贝，后续创建相同字符串时，不会开辟新空间，而是把该字符串的地址赋给新创建的变量。范围：英文字母、数字、下划线

a = 100
b = 100
print(a is b)   # True

a = 500
b = 500
print(a is b)   # False

a, b = 500, 500
print(a is b)   # True    在同一行定义两个相同值的变量，此时解释器做了优化，执行一个内存地址



a = "abc"
b = "abc"
print(a is b)   # True


a = "abc!"
b = "abc!"
print(a is b)   # False

垃圾回收机制

变量使用前需要先定义。

定义变量就是在内存中开辟一块空间用于数据储存，如果需要使用很多数据就需要开辟很多内存空间。

内存空间是有限的，如果定义了很多不在使用的变量，会导致内存浪费，甚至内存溢出的问题。

这就需要我们在变量使用后及时释放这个变量所占用的内存空间。

但是这个释放内存空间的工作是复杂且有分险的，幸运的是python解释器帮我们做了这部分工作。

python解释器内存主要使用引用计数的方式做垃圾回收。

什么是垃圾：垃圾指的是没有绑定变量名的值，也就是无法在访问的值，即没有用的值。

如何回收垃圾：通过引用计数的方式，每当这个值被引用，即被绑定到一个新的变量名上，引用计数加1

x = 10  # x绑定给值10，10的引用计数=1
y = x # y绑定给值10，10的引用计数=2
z = 10  # z绑定给值10，10的引用计数=3

# 通过赋值可以将变量名绑定到值，将引用计数增加
# 通过del 方法可以将变量名和值解绑，将引用计数减少

del z # z与它所绑定的值解绑，即值10的引用计数减为2
# 注意 del不是不是删除z的意思本质是接触变量名的绑定，内存回收的目的

import sys
sys.getrefcount(a)    # 查看引用计数

def f():
    import sys
    a = 10
    print(sys.getrefcount(a))
    b = a
    print(sys.getrefcount(a))
    c = [a]
    print(sys.getrefcount(a))
    del b
    print(sys.getrefcount(a))
    del c
    print(sys.getrefcount(a))

python垃圾回收机制，除了引用计数之外，还有【标记回收】、【分代回收】。

# 标记清除解决循环引用造成的问题
l1=[]
l2=[]
l1.append(l2)
l2.append(l1) 

del l1, l2

# 分代回收解决引用计数效率低的问题

迭代器

【可迭代对象（iterable）】指的是可以依次返回其内部成员的对象。比如字符串、列表、字典、文件等都是可迭代对象。

【迭代器（iterator）】内置函数iter(可迭代对象)得到迭代器，本质上迭代器也是可迭代对象。

# 可迭代对象, 从语法方面说就是那些具有__iter__的方法的对象
# 迭代器，从语法上说就是那些同时具有__next__和__iter__方法的对象。
  - 迭代器调用__next__方法会调用迭代器中的下一个值；
  - 迭代器调用__iter__方法返回迭代器本身；

示例：

>>> s={1,2,3}  # 可迭代对象s
>>> i=iter(s)  # i是迭代器
>>> next(i)    # 返回迭代器中下一个值
1
>>> next(i)
2
>>> next(i)
3
>>> next(i)  #抛出StopIteration的异常，代表无值可取，迭代结束

迭代器优缺点：

• 优点：惰性取值；每次只取一个数据，不占内存。
• 缺点：只能往后依次取值，不能返回头往前取值。就像象棋中的卒，只进不退。

这篇好文章是转载于：学新通技术网