python的變量內存（python的變量內存大小）

本文目錄一覽：

• 1、PYTHON 的變量作用域與內存分配
• 2、python中變量的引用、可變和不可變類型、局部變量和全局變量
• 3、python變量中存放的是數據對不對
• 4、python基於值的內存管理方式是什麼？
• 5、Python 的內存管理機制

PYTHON 的變量作用域與內存分配

原理：python中任何變量都是對象，所以參數只支持引用傳遞方式。即通過名字綁定的機制，把實際參數的值和形式參數的名稱綁定在一起，形式參數和實際參數指向內存中的同一個存儲空間。

回答問題2：

每一次給變量賦值就是把這個名稱的值在一個新內存中存儲

你print

(id

(a))

會發現每一次f(x),a的內存地址都是新的。所以你的問題二中L＝[4,3]

與之前的L[]不是同一個名稱，所以append上a就是[4，3，3]（簡明點就是L=[4,3]與L=[1,2]是兩不同名的玩意）

討論問題1：

在你的程序中a=1,a=2,a=5是int對象的三個實例，所以佔用的是三段不同的內存，自然在程序執行完收回內存的時候才會被清理；而L是通過列表的append方法進行變化時，print

(f(1))

print

(f(2))

print

(f(5))是對對一個實例進行操作的，所以內存地址不變；

同理print

(f(3,[4,3]))直接給L賦值時，由於

是一個新的列表實例了，內存位置自然變化。

產生以上的問題的根本原因就是python的精髓：萬物皆對象

（賦值的過程是對象的實例化）

看完自己的回答後：感覺真的很繞，不過我是儘力了，希望你能看懂，不明白的話，在追問里註明吧！

python中變量的引用、可變和不可變類型、局部變量和全局變量

變量的引用

變量和數據都是保存在內存中的

變量和數據是分開存儲的

數據保存在內存中某個位置，通過地址來標記

變量保存的是數據的地址，通過地址可以找到數據在內存空間的位置

把變量保存數據地址的過程稱為引用

變量的重新賦值修改的是變量中引用數據的內存地址

變量之間的賦值實際是引用的傳遞

函數參數的傳遞，本質也是引用的傳遞

函數的返回值本身也是引用的傳遞

可變和不可變類型

不可變類型，內存中的數據不允許被修改：數字類型（int,bool,float,complex,long(2,x)、字符串、元組（tuple）

可變類型，內存中的數據可以被修改：列表list、字典dict

無論是可變還是不可變數據類型，通過賦值語句，都會改變變量的引用

Hash函數只能接收不可變數據類型，字典的鍵也只能是不可變數據類型，字典的value值可以是任意數據類型

局部變量

1.在函數內部定義的變量就是局部變量（作用範圍只能是當前函數內部）

2.在函數外部無法直接訪問局部變量

3.不同的函數中可以定義同名的局部變量

4.局部變量的生命周期：從定義變量時開始，到函數運行結束

全局變量

1.在所有函數外邊定義的變量就是全局變量

2.讓所有函數都能訪問到，可以作為函數通信的橋樑

3.一般情況下，為了和普通變量的區別，需要加上g_或gl_前綴

4.全局變量一般放在所有函數的最上面

5.在函數內部修改全局變量，必須要加上global關鍵字，如果不加global只是定義了一個同名的局部變量

函數的多個返回值

python變量中存放的是數據對不對

python變量中存放的是數據。所謂變量，是指程序運行過程中其值可以改變的量。舉例，在數學中x和y就是變量，Python中不同的是變量不只是存儲數字，它可以存儲任意數據類型的值。

變量的含義和作用

程序中，數據都是臨時存儲在內存中的，為了更快速的查找或使用這個數據，通常我們把這個數據在內存中存儲之後定義一個名稱，這個名稱就是變量。

變量就是存儲數據的時候把當前數據所在的內存地址起的名字。在查找數據的時候，我們找到這個變量名字就相當於找到了內存地址，找到內存也就是找到內存所存儲的數據，這樣就是找到了這個數據，後期我們就可以對這個數據進行各種處理。

python基於值的內存管理方式是什麼？

Python採用基於值的內存管理模式。

 在Python中一切皆對象，變量中存放的是對象的引用

 python可以不用聲明變量類型而直接對變量進行賦值。對Python語言來講，對象的類型和內存都是在運行時確定的。這也是為什麼我們稱Python語言為動態類型的原因（這裡我們把動態類型歸結為對變量內存地址的分配是在運行時自動判斷變量類型並對變量進行賦值）。

Python 的內存管理機制

Python採用自動內存管理，即Python會自動進行垃圾回收，不需要像C、C++語言一樣需要程序員手動釋放內存，手動釋放可以做到實時性，但是存在內存泄露、空指針等風險。

Python自動垃圾回收也有自己的優點和缺點：優點：

缺點：

Python的垃圾回收機制採用 以引用計數法為主，分代回收為輔 的策略。

先聊引用計數法，Python中每個對象都有一個核心的結構體，如下

一個對象被創建時，引用計數值為1，當一個變量引用一個對象時，該對象的引用計數ob_refcnt就加一，當一個變量不再引用一個對象時，該對象的引用計數ob_refcnt就減一，Python判斷是否回收一個對象，會將該對象的引用計數值ob_refcnt減一判斷結果是否等於0，如果等於0就回收，如果不等於0就不回收，如下：

一個對象在以下三種情況下引用計數會增加：

一個對象在以下三種情況引用計數會減少：

驗證案例：

運行結果：

事實上，關於垃圾回收的測試，最好在終端環境下測試，比如整數257，它在PyCharm中用下面的測試代碼打印出來的結果是4，而如果在終端環境下打印出來的結果是2。這是因為終端代表的是原始的Python環境，而PyCharm等IDE做了一些特殊處理，在Python原始環境中，整數緩存的範圍是在 [-5, 256] 的雙閉合區間內，而PyCharm做了特殊處理之後，PyCharm整數緩存的範圍變成了 [-5, 無窮大]，但我們必須以終端的測試結果為主，因為它代表的是原始的Python環境，並且代碼最終也都是要發布到終端運行的。

好，那麼回到終端，我們來看兩種特殊情況

前面學習過了，整數緩存的範圍是在 [-5, 256] 之間，這些整數對象在程序加載完全就已經駐留在內存之中，並且直到程序結束退出才會釋放佔有的內存，測試案例如下：

如果字符串的內容只由字母、數字、下劃線構成，那麼它只會創建一個對象駐留在內存中，否則，每創建一次都是一個新的對象。

引用計數法有缺陷，它無法解決循環引用問題，即A對象引用了B對象，B對象又引用了A對象，這種情況下，A、B兩個對象都無法通過引用計數法來進行回收，有一種解決方法是程序運行結束退出時進行回收，代碼如下：

前面講過，Python垃圾回收機制的策略是 以引用計數法為主，以分代回收為輔 。分代回收就是為了解決循環引用問題的。

Python採用分代來管理對象的生命周期：第0代、第1代、第2代，當一個對象被創建時，會被分配到第一代，默認情況下，當第0代的對象達到700個時，就會對處於第0代的對象進行檢測和回收，將存在循環引用的對象釋放內存，經過垃圾回收後，第0代中存活的對象會被分配為第1代，同樣，當第1代的對象個數達到10個時，也會對第1代的對象進行檢測和回收，將存在循環引用的對象釋放內存，經過垃圾回收後，第1代中存活的對象會被分配為第2代，同樣，當第二代的對象個數達到10個時，也會對第2代的對象進行檢測和回收，將存在循環引用的對象釋放內存。Python就是通過這樣一種策略來解決對象之間的循環引用問題的。

測試案例：

運行結果：

如上面的運行結果，當第一代中對象的個數達到699個即將突破臨界值700時（在打印699之前就已經回收了，所以看不到698和699）進行了垃圾回收，回收掉了循環引用的對象。

第一代、第二代、第三代分代回收都是有臨界值的，這個臨界值可以通過調用 gc.get_threshold 方法查看，如下：

當然，如果對默認臨界值不滿意，也可以調用 gc.set_threshold 方法來自定義臨界值，如下：

最後，簡單列出兩個gc的其它方法，了解一下，但禁止在程序代碼中使用

以上就是對Python垃圾回收的簡單介紹，當然，深入研究肯定不止這些內容，目前，了解到這個程度也足夠了。