Python中的静态内存：循环中会创建变量的新实例吗？

Question

我一直在运行一些Python脚本，这些脚本会多次调用一些函数，比如F1(x)和F2(x)，它们的样子大概是这样的：

x = LoadData()

for j in range(N):
    y = F1(x[j])
    z[j] = F2(y)

    del y

SaveData(z)

如果我保留“del y”这一行，性能会快很多。但我不明白为什么会这样。如果我不使用“del y”，那么我的内存很快就会用完，只能使用虚拟内存，这样一来，速度就会变得非常慢。但是如果我使用“del y”，我就会不断地清空和重新分配y的内存。我希望y能够作为静态内存存在，并在每次调用F1(x)时重复使用这块内存。但从我观察的情况来看，这似乎并没有发生。

另外，不确定这是否相关，但我的数据是numpy数组。

Answer 1

对于非常大的数字N，使用xrange来代替range可以节省内存。另外，你可以把函数嵌套在一起，但我不确定这对你是否有帮助。: \

x = LoadData()

for j in xrange(N):
    z[j] = F2(F1(x[j]))

SaveData(z)

也许F1和F2在不必要地复制对象，最好的方法是就地处理，像这样：

x = LoadData()
for item in x:
    item.F1()
    item.F2()
SaveData(x)

抱歉，如果我的回答没有帮助

Answer 2

你想要做的事情在Python里有点特别——你想为y分配一块内存，然后把这块内存的地址传给F1()，这样F1()就可以在这块内存里更新y的值。这样做的好处是，F1()就不用自己去分配内存来存放新的y的值，而是直接在你自己定义的y的地址上进行修改（实际上，y并不是F1()计算出来的值，而是指向那个值的地址）。

关于在Python中如何通过引用传递变量，已经有相关的问题讨论了：如何通过引用传递变量？

Answer 3

如果不使用 del y，你可能会需要更多的内存。原因是每次循环时，y 都会保存上一次 F1 的结果，而在计算下一个结果的时候，这个旧的值仍然占用内存。

当 F1 计算完成后，y 会更新为新的值，这样之前的 F1 结果就可以被释放掉。

这意味着 F1 返回的对象会占用相当多的内存。

如果把循环展开来看前几次的执行，会是这样的：

y = F1(x[0])   # F1(x[0]) is calculated, then y is bound to it
z[j] = F2(y)
y = F1(x[1])   # y is still bound to F1(x[0]) while F1(x[1]) is computed
               # The memory for F1(X[0]) is finally freed when y is rebound
z[j] = F2(y)

如果你的情况正是这样，使用 del y 是个不错的解决办法。