python动态内存分配(c动态内存分配)

---

一、PYTHON的变量作用域与内存分配原理：Python中的每个变量都是一个对象，所以参数只支持引用传递。即通过名称绑定机制，将实参的值和形参的名称链接在一起。形式参数和实际参数指向内存中的同一位置。
回答问题2：
每次为变量赋值时，都会将该名称的值存储在新内存中
打印
(id
(a))
你会注意到每次f(x)时a的内存地址都是新的。所以在你的第二个问题中，L=[4,3]
与前面的L[]不是同名，所以a在附录[4,3,3]中（简单来说：L=[4,3]和L=[1,2]是两个不同名称的东西）
讨论问题1：
在你的程序中，a=1、a=2、a=5是三个元素int对象实例，这样就占用了三块不同的内存，当程序运行后内存恢复以及通过list的Append方法改变L时，这三块内存都会自然被清理掉，print
(f(1))
print
(f(2))
print
(f(5))作用于一个实例，所以内存地址不变；
情况与print
(f(3,[4,3]))L直接赋值时类似，由于
是一个新的列表实例，位置自然会发生变化。
造成上述问题的根本原因在于Python的本质：万物皆对象
（赋值过程就是对象的实例化）
看完我自己的回答：感觉真是一头雾水但我已经尽力了，如果你不明白，请在后续问题中指出！

---

二、Python如何进行内存管理

Python的内存管理一般看以下三个方面：

1）对象引用计数机制（四自增五自减）

2）垃圾回收机制（手动和自动，生成回收）

3）内存收集机制（m大，p小）

1）对象引用计数机制

来跟踪Python中的内存对象使用引用计数的简单技术。count(a)可以检查对象a的引用计数，但是比正常计数多了1，因为调用函数时传入了a，这会让a的引用计数增加1

2）垃圾收集机制

吃多了总会发胖，Python也是如此。随着Python中的对象越来越多，它们会占用越来越多的内存。但你不用太担心Python的大小，它会在适当的时候“减肥”，启动垃圾收集（garbagecollection）并清理掉无用的对象

。一个基本原理，当Python中一个对象的引用数下降到0时，就意味着没有引用指向该对象，该对象就成为垃圾被回收

例如，一个新的对象被分配了引用，该对象的引用号变为1。如果删除该引用，该对象的引用号达到0，则该对象可能会被垃圾回收。

然而，减肥是昂贵且困难的。在垃圾收集期间，Python无法执行其他任务。频繁的垃圾回收会大大降低Python的工作效率。如果内存中的对象不多，则不需要一直启动垃圾回收。

所以Python只有在特定条件下才会自动启动垃圾回收。Python运行时，会记录对象分配（object
allocation）和对象释放（objectdeallocation）的数。当两者之间的差值高于某个阈值时，垃圾收集就会开始。

我们可以通过gc模块的get_threshold()方法查看阈值。

3）内存池机制

Python分为大内存和小内存：（256K是大小内存的限制）

1使用malloc内存分配

2小内存使用内存池分配

Python中的内存管理机制有两套实现方式，当大小小于256K时，使用pymalloc当大于256K时会申请内存池中的内存空间，会直接执行系统malloc行为来申请内存空间。

---

三、Python如何管理内存Python中的内存管理是从三个方面来完成的：一是对象引用计数机制，二是垃圾回收机制，三是内存池机制
1.对象引用计数机制。
Python使用内部引用计数来跟踪内存中的对象，所有对象都有引用计数。
链接数量增加的情况：
1．给对象一个新名称
2.将其放入容器（例如列表、元组或字典）
链接。减量情况：
1．使用del运算符显式销毁对象别名
2.引用超出范围或被重新分配
count()函数可以获取当前引用。
在大多数情况下，链接的数量比您想象的要多得多。对于不可变数据（例如数字和字符串），解释器会在程序的不同部分之间划分内存以节省内存。
2.垃圾收集
1.当一个对象的引用计数达到零时，它将被垃圾收集机制处理。
2.当两个对象ab互相引用时，del语句可以减少a和b的引用计数并销毁用于引用底层对象的名称。但是，由于每个对象都包含其他对象的附件，因此引用计数不会被重置，并且该对象也不会被销毁。（从而导致内存泄漏）。为了解决这个问题，解释器定期运行循环检测器，循环搜索不可访问的对象并将其删除。
3.内存池机制
Python提供了内存的垃圾回收机制，但它将未使用的内存放入内存池中，而不是将其返回给操作系统。
oc机制。为了提高Python执行效率，Python引入了内存池机制来管理小块内存的申请和释放。
中所有小于256字节的对象都使用pymalloc实现的分配器，而大对象则使用系统的malloc。
中的整数、浮点数、列表等对象都有自己独立的私有内存池，并且它们的内存池在对象之间不共享。这意味着，如果分配和释放大量整数，则用于缓存这些整数的内存将无法再分配给浮点数。