大家好！💡还记得你第一次写 Python 代码的时候吗？那种随意创建变量、毫无节制地 new 一个又一个对象的快感，简直让人沉迷！ 可是，当代码运行变慢、内存占用飙升时，你才会意识到：
“诶？怎么 Python 还会吃这么多内存？！”
今天，我们就来聊聊 Python 的内存管理，帮你写出更高效、优化内存占用的 Python 代码！🎯
包含编程资料、学习路线图、源代码、软件安装包等！【点击这里免费领取】！
1. Python 的内存管理机制
Python 内部使用 引用计数（Reference Counting） 和 垃圾回收（Garbage Collection, GC） 机制来管理内存。
1.1 引用计数
每个对象都有一个“计数器”，记录它被多少个变量引用。一旦引用计数归零，Python 立刻释放这个对象的内存。
import sys
a = [] # 创建一个列表对象
print(sys.getrefcount(a)) # 输出 2（因为 sys.getrefcount() 也会额外增加一次引用）
b = a # 变量 b 也指向同一个列表
print(sys.getrefcount(a)) # 输出 3
del a
print(sys.getrefcount(b)) # 输出 2
del b # 引用计数归零，内存被释放
💡 注意：sys.getrefcount() 的结果比你想象的多 1，因为它本身也会创建一个临时引用！
1.2 垃圾回收（GC）
Python 采用 分代回收，对象被分成三代：新生代、中生代、老生代。垃圾回收主要针对循环引用的情况。
import gc
class A:
def __init__(self):
self.ref = None
obj1 = A()
obj2 = A()
obj1.ref = obj2
obj2.ref = obj1 # 形成循环引用
del obj1, obj2 # 引用计数没有归零，Python 需要 GC 来清理
gc.collect() # 手动触发垃圾回收
2. Python 内存优化技巧
2.1 使用 __slots__限制对象属性
默认情况下，Python 的对象使用 动态字典（__dict__） 存储属性，占用大量内存。如果你的类属性是固定的，可以用 __slots__ 优化，之前花姐在其它文章中提到过。
class NormalClass:
pass
class SlotClass:
__slots__ = ['name', 'age'] # 仅允许 name 和 age 两个属性
obj1 = NormalClass()
obj1.name = "花姐"
obj1.age = 18
obj1.gender = "女" # 允许动态添加新属性
obj2 = SlotClass()
obj2.name = "花姐"
obj2.age = 18
# obj2.gender = "女" # ❌ AttributeError: 'SlotClass' object has no attribute 'gender'
__slots__ 会让 Python 不再为对象创建 __dict__，从而减少内存占用。
2.2 避免不必要的临时变量
Python 解释器会缓存一些常见的对象，例如 小整数（-5 到 256 在 Python 3.9 及以前的版本），以及部分 短字符串。
但在 Python 3.10+ 之后，整数的缓存范围 可能更大，具体行为依赖于 Python 实现。
# 可能被缓存（具体范围取决于 Python 版本）
a = 256
b = 256
print(a is b) # True
# 可能不被缓存
a = 257
b = 257
print(a is b) # 3.9 以前通常 False，3.10+ 可能 True
结论：Python 会缓存小整数，但具体范围视 Python 版本而定，不建议过分依赖此特性！
2.3 使用生成器代替列表
如果你只需要 逐个获取数据，而不是一次性加载所有数据，请用 生成器 代替列表。
# 占用大量内存的方式
nums = [i for i in range(10**6)]
# 更优的方式（惰性加载）
def num_generator():
for i in range(10**6):
yield i
gen = num_generator()
为什么？ 生成器不会一次性把所有数据存入内存，而是每次 yield 一个值，这样可以大幅降低内存占用！🎉
2.4 使用 array 代替列表存储大量数值
如果你需要存储大量的数值，使用 array 模块比 list 更节省内存。
import array
# 创建一个存储 int 类型的数组，比列表更节省内存
arr = array.array('i', range(10**6))
2.5 使用 deque 代替列表进行队列操作
collections.deque 具有更高效的 头部插入和删除 操作，比 list 的 pop(0) 和 insert(0, x) 更优。
from collections import deque
dq = deque(range(10**6))
dq.appendleft(-1) # O(1) 复杂度
# 而 list.insert(0, -1) 是 O(n)，在大规模数据下性能差距明显
3. 释放不用的内存
3.1 手动释放变量
Python 采用 自动垃圾回收，但如果你想主动释放大对象，建议使用 del 并 调用 gc.collect()。
import gc
data = [i for i in range(10**6)]
del data # 删除变量
gc.collect() # 强制触发垃圾回收
在大数据处理中，这个方法可以 显著减少内存占用！
总结
Python 采用 引用计数 + 垃圾回收 来管理内存。
使用 __slots__ 可以节省对象的 属性存储空间。
避免不必要的临时变量，Python 会缓存小整数，但范围 依赖 Python 版本。
用生成器替代列表，节省内存！
用 array 代替 list 存储大量数值，提高内存效率。
用 deque 代替 list 进行队列操作，提高性能。
手动释放大对象，使用 del + gc.collect() 及时清理。
希望今天的内容对你有帮助！