Python切片赋值内存使用情况

Question

我在Stack Overflow的一个评论中看到，改变列表时用切片赋值会更节省内存。比如说，

a[:] = [i + 6 for i in a]

这种方式应该比

a = [i + 6 for i in a]

更节省内存，因为前者是在原有列表中替换元素，而后者是创建一个新列表，然后把变量a指向这个新列表，这样旧的a就会留在内存中，直到被垃圾回收。测试这两种方法的速度时，后者稍微快一点：

$ python -mtimeit -s 'a = [1, 2, 3]' 'a[:] = [i + 6 for i in a]'
1000000 loops, best of 3: 1.53 usec per loop
$ python -mtimeit -s 'a = [1, 2, 3]' 'a = [i + 6 for i in a]'
1000000 loops, best of 3: 1.37 usec per loop

这我可以理解，因为重新绑定一个变量应该比在列表中替换元素要快。不过，我找不到任何官方文档来支持这个内存使用的说法，也不太确定该怎么测试这个。

从表面上看，内存使用的说法对我来说是有道理的。不过，仔细想想，我觉得在前一种方法中，解释器可能会先从列表推导中创建一个新列表，然后再把那个列表的值复制到a中，这样那个匿名列表就会在内存中漂浮，直到被垃圾回收。如果真是这样的话，前一种方法的内存使用量就和后者一样，但速度却更慢。

有没有人能明确地（通过基准测试或官方文档）展示这两种方法中哪种更节省内存/哪种是更推荐的方法？

提前谢谢大家。

Answer 1

这一行

a[:] = [i + 6 for i in a]

其实不会节省任何内存。Python 确实会先计算右边的内容，正如官方文档所说：

赋值语句会先计算表达式列表（记住，这可以是一个单独的表达式，也可以是用逗号分隔的多个表达式，后者会生成一个元组），然后将得到的单一结果对象从左到右赋值给每个目标列表。

在这个例子中，得到的结果是一个新的列表，而目标列表中的唯一目标就是 a[:]。

我们可以用生成器表达式来替代列表推导式：

a[:] = (i + 6 for i in a)

现在，右边的结果变成了一个生成器，而不是一个列表。基准测试显示，这样做的速度仍然比简单的

a = [i + 6 for i in a]

要慢。那么，生成器表达式真的能节省内存吗？乍一看，你可能会觉得可以。但深入查看函数 list_ass_slice() 的源代码会发现，实际上并没有。那一行

v_as_SF = PySequence_Fast(v, "can only assign an iterable");

使用了PySequence_Fast()，先把可迭代对象（在这个例子中是生成器）转换成一个元组，然后再复制到旧列表中。元组和列表占用的内存是一样的，所以在这种情况下，使用生成器表达式和使用列表推导式基本上是一样的。在最后的复制过程中，原列表的项被重新利用了。

这个例子的教训似乎是，最简单的方法在各方面都是最好的选择。