python - python中的静态内存: do loops create new instances of variables in memory?

Question

我一直在运行 Python 脚本，这些脚本多次调用某些函数，例如 F1(x) 和 F2(x)，看起来有点像这样:

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”行，性能会快很多。但我不明白为什么这是真的。如果我不使用“del y”，那么我很快就会用完 RAM，不得不求助于虚拟内存，一切都会慢下来。如果我使用“del y”，则购买，然后我会反复刷新并重新分配 y 的内存。我想做的是让 y 作为静态内存，并在每次 F1(x) 调用时重用内存。但据我所知，事实并非如此。

另外，不确定它是否相关，但我的数据由 numpy 数组组成。

Answer 1

如果没有 del y，您可能需要两倍的内存。这是因为对于每次循环，y 绑定(bind)到 F1 的前一个值，同时计算下一个值。

一旦 F1 返回 y 就会反弹到那个新值，并且旧的 F1 结果可以被释放。

这意味着 F1 返回的对象占用了相当多的内存

在前几次迭代中展开循环看起来像这样

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)

如果您遇到这种情况，使用 del y 是一个很好的解决方案。