python - python 中的大型对称列表 : will references contribute to size in ram?

Question

我有一个非常大的 python 二维列表 L，它是对称的，即 L[x][y]==L[y][x] .它包含整数元组。我创建它的方式是我首先设置 L[x][y] 的值对于所有可能的 x 和 y，使得 x<=y。然后我设置 L[x][y]=L[y][x]对于所有满足 x>y 的 x 和 y，这样我就不必一直检查一对 [x][y] 是否有 x>=y 或 xL[x][y]。

此列表的大小如何受到影响？我的逻辑是因为 L[x][y]因为 x>y 包含一个引用而不是一个元组，那么它不应该在 RAM 中占用那么多空间。是这样吗？如果我只是设置 L[x][y]仅适用于 x<=y ，我会得到大约一半大小的列表吗？

Answer 1

简短的回答 - 是的。但为了证明这一点，让我们举两个例子并使用 memory_profiler .

版本 1，无引用

def build_symmetric_list(n) :
    l = []
    for x in range(0,n) :
        ll = []
        for y in range(0,n) :
            if x<= y:
                ll.append((x,y))
            else :
                ll.append((y,x))
        l.append(ll)
    return l

@profile
def test_a():
    a = build_symmetric_list(1000)

test_a()

-

Line #    Mem usage    Increment   Line Contents
    13    9.848 MiB    0.000 MiB   @profile
    14                             def test_a():
    15  106.941 MiB   97.094 MiB    a = build_symmetric_list(1000)

第 2 版，带引用文献

def build_symmetric_list_with_references(n) :
    l = []
    for x in range(0,n) :
        ll = []
        for y in range(0,n) :
            if x<= y :
                ll.append((x,y))
            else :
                ll.append(l[y][x]) #by reference
        l.append(ll)
    return l

@profile
def test_b() :
    b = build_symmetric_list_with_references(1000)
test_b()

结果:

Line #    Mem usage    Increment   Line Contents
================================================
    13    9.848 MiB    0.000 MiB   @profile
    14                             def test_b() :
    15   65.047 MiB   55.199 MiB    b = build_symmetric_list_with_references(1000)

所以 97 MB 与 55 MB - 大约一半。请记住，由于元组是不可变的，因此对 L[x][y] 的重新分配不会反射(reflect)在 L[y][x] 中(可能会使列表的对称性无效)。