为什么具有相同数据的列表具有不同的大小？

说我用两种方法创建python lists。
为什么具有相同数据的列表具有不同的大小？

在第一种情况下，我用简单的赋值：

my_list = [] 
print(my_list, '->', my_list.__sizeof__()) 
my_list = [1] 
print(my_list, '->', my_list.__sizeof__()) 
my_list = [1, 1] 
print(my_list, '->', my_list.__sizeof__())

在第二种情况下，我用append()方法的列表：

my_list = [] 
print(my_list, '->', my_list.__sizeof__()) 
my_list.append(1) 
print(my_list, '->', my_list.__sizeof__()) 
my_list.append(1) 
print(my_list, '->', my_list.__sizeof__())

但我得到意想不到的（对我来说）输出：

=== WITH ASSIGNMENT === 
([], '->', 40) 
([1], '->', 48) 
([1, 1], '->', 56) 
=== WITH APPEND === 
([], '->', 40) 
([1], '->', 72) 
([1, 1], '->', 72)

Python内存管理内部会发生什么EMENT？为什么'相同'的名单有不同的大小？

来源

2017-10-12 Vladyslav

我猜，因为当你创建列表作为一个文字时，Python会指定所需的特定大小，而当你附加到它时，它会扩展超过所需的数值，因为假设你不会只追加一次。 – jonrsharpe

[内核的Python列表访问和调整运行时大小]（https://stackoverflow.com/questions/5932328/internals-of-python-list-access-and-resizing-runtimes） – anuragal

当您附加到列表时，内存会被过度分配到列表性能的原因，因此多个附加内存不需要相应的列表内存重新分配，这会在重复附加的情况下降低总体性能。

的CPython的源清楚地描述此行为在comment：

/* This over-allocates proportional to the list size, making room 
* for additional growth. The over-allocation is mild, but is 
* enough to give linear-time amortized behavior over a long 
* sequence of appends() in the presence of a poorly-performing 
* system realloc(). 
* The growth pattern is: 0, 4, 8, 16, 25, 35, 46, 58, 72, 88, ... 
* Note: new_allocated won't overflow because the largest possible value 
*  is PY_SSIZE_T_MAX * (9/8) + 6 which always fits in a size_t. 
*/

在其他情况下，该列表是由文字构成，该列表的大小反映了容器本身和的大小对每个包含对象的引用。

其他Python实现的确切分配行为可能会有所不同（请参阅Jython和PyPy的list.append实现），并且不保证存在过度分配。

来源

2017-10-12 08:47:58

为什么具有相同数据的列表具有不同的大小？

回答

相关问题