Python切片分配内存使用情况

Question

我在此处的注释中读到，更改列表时执行切片分配具有更高的内存效率。例如，

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

应该比

a = [i + 6 for i in a]

因为前者会替换现有列表中的元素，而后者会创建一个新列表并重新绑定a到该新列表，从而将旧列表保留a在内存中，直到可以对其进行垃圾回收为止。对两者进行基准测试以提高速度，后者则要快一些：

$ 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

这就是我所期望的，因为重新绑定变量应该比替换列表中的元素更快。但是，我找不到任何支持内存使用声明的官方文档，也不确定如何进行基准测试。

从表面上看，内存使用声明对我来说很有意义。但是，请多加考虑，我希望在前一种方法中，解释器将从列表理解中创建一个新列表， 然后
将该列表中的值复制到a，从而使匿名列表一直浮动直到被垃圾回收为止。 。如果真是这样，那么前一种方法将使用相同数量的内存，同时速度也会变慢。

谁能（用基准或官方文档）明确显示这两种方法中哪一种更有效地使用内存/哪一种是首选方法？

提前致谢。

Answer 1

线

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

不会节省任何内存。如语言文档中所述，Python会首先评估右侧：

赋值语句评估表达式列表（请记住，它可以是单个表达式或逗号分隔的列表，后者产生一个元组），并将单个结果对象从左到右分配给每个目标列表。

在当前情况下，单个结果对象将是一个新列表，而目标列表中的单个目标将是a[:]。

我们可以用生成器表达式代替列表推导：

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

现在，右侧将求值为生成器，而不是列表。基准测试表明，这仍然比天真慢

a = [i + 6 for i in a]

那么生成器表达式实际上可以节省任何内存吗？乍一看，您可能会认为确实如此。但是深入研究该函数list_ass_slice()的源代码表明事实并非如此。线

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

使用PySequence_Fast（）首先将可迭代对象（在这种情况下为生成器）转换为元组，然后将其复制到旧列表中。元组使用与列表相同的内存量，因此在这种情况下，使用生成器表达式与使用列表推导基本上相同。在最后一次复制期间，原始列表的项目被重用。

道德似乎是，无论如何，最简单的方法都是最好的方法。