Python 浅析列表的变长变短 | 让你的代码更 Pythonic

来自:Lin_R

前言

Python 的列表(list)是一个非常灵活的数组,可以随意调整长度。正是因为这种便利,使得我们会情不自禁地去修改数组以满足我们的需求,其中相比于insertpop 等等而言, append 用法更常见。

有像这样使用:

>>> test = []
>>> test.append(1)
>>> test.append({2})
>>> test.append([3])
>>> print test

# 输出
[1, set([2]), [3]]

也有像这样使用的:

test = []

for i in range(4):
   test.append(i)
print test

# 输出
[0, 1, 2, 3]

这样用很开心,也很满足。

但其实只要遇到能够动态修改数据长度场景,我们都应该马上反应过来一点,那就是内存管理的问题。

如果运行效率和便捷性同时满足的话,那简直就是大大的福音呀。

然而,上帝为你开启一扇窗的同时肯定也已经关上了一扇门了!

吝啬的初始化

深受预分配知识的熏陶,我们也是觉得 list 在初始化是有分配一定的长度的,要不然每次都申请内存那得多 ”low“ 啊。

然后实际上 list 真的就是这么 ”low“:

import sys

test = []
test_1 = [1]
print sys.getsizeof(test)
print sys.getsizeof(test_1) - sys.getsizeof(test)

# 输出
72     # 空列表内存大小,也是 list 对象的总大小
8       # 代表增加一个成员,list 增加的大小

我们的猜测是,list 在定义之后,会预先分配好一个一定大小的池用来塞数据,以避免动不动就申请内存。

但是在上面的实验看出,一个成员的列表,比一个空列表,长度仅仅只是大了 8 字节,如果真的存在这样一个预分配的池,那么在预分配个数之内添加成员,两者的内存大小应该是保持不变才对。

所以可以猜测这块 list 应该是没有这样的一个预分配内存池。这里需要来个实锤

PyObject *
PyList_New(Py_ssize_t size)
{
   PyListObject *op;
   size_t nbytes;

   if (size < 0) {
       PyErr_BadInternalCall();
       return NULL;
   }
   /* Check for overflow without an actual overflow,
    *  which can cause compiler to optimise out */

   if ((size_t)size > PY_SIZE_MAX / sizeof(PyObject *))
       return PyErr_NoMemory();

   // list对象指针的缓存
   if (numfree) {
       numfree--;
       op = free_list[numfree];
       _Py_NewReference((PyObject *)op);
   } else {
       op = PyObject_GC_New(PyListObject, &PyList_Type);
       if (op == NULL)
           return NULL;
   }

   // list 成员的内存申请
   nbytes = size * sizeof(PyObject *);
   if (size <= 0)
       op->ob_item = NULL;
   else {
       op->ob_item = (PyObject **) PyMem_MALLOC(nbytes);
       if (op->ob_item == NULL) {
           Py_DECREF(op);
           return PyErr_NoMemory();
       }
       memset(op->ob_item, 0, nbytes);
   }
   Py_SIZE(op) = size;
   op->allocated = size;
   _PyObject_GC_TRACK(op);
   return (PyObject *) op;
}

当我们在执行 test = [1] 时,实际上只做了两件事:

  1. 根据成员的数目,构建相应长度的空列表;(上述代码)

  2. 一个个将这些成员塞进去;

可能有童鞋会觉得,在塞成员的那一步,说不定会触发什么机制使它变大?

很可惜,因为初始化用的方法是 PyList_SET_ITEM, 所以这里是木有的触发什么机制,只是简单的数组成员赋值而已:

#define PyList_SET_ITEM(op, i, v) (((PyListObject *)(op))->ob_item[i] = (v))

所以整个 list 的初始化,还真的就是木有预分配的内存池,直接按需申请,一个萝卜一个坑,实在得狠;

可变长的关键

初始化过程是这样还可以理解,如果运行中还这样的话,那就有点说不过去了。

试想下,在文章开头用 append 的例子中,如果每 append 一个元素就申请一次内存,那么list 可能要被吐槽到怀疑人生了, 所以很明显,在对于内存的申请,它还是有自己的套路的。

在 list 里面,不管是 insert 、pop 还是 append,都会遇到 list_resize,故名思义,这个函数就是用来调整 list 对象的内存占用的。

static int
list_resize(PyListObject *self, Py_ssize_t newsize)
{
   PyObject **items;
   size_t new_allocated;
   Py_ssize_t allocated = self->allocated;

   /* Bypass realloc() when a previous overallocation is large enough
      to accommodate the newsize.  If the newsize falls lower than half
      the allocated size, then proceed with the realloc() to shrink the list.
   */

   if (allocated >= newsize && newsize >= (allocated >> 1)) {
       assert(self->ob_item != NULL || newsize == 0);
       Py_SIZE(self) = newsize;
       return 0;
   }

   /* 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, ...
    */

   # 确定新扩展之后的占坑数
   new_allocated = (newsize >> 3) + (newsize < 9 ? 3 : 6);

   /* check for integer overflow */
   if (new_allocated > PY_SIZE_MAX - newsize) {
       PyErr_NoMemory();
       return -1;
   } else {
       new_allocated += newsize;
   }

   if (newsize == 0)
       new_allocated = 0;

   # 申请内存
   items = self->ob_item;
   if (new_allocated <= (PY_SIZE_MAX / sizeof(PyObject *)))
       PyMem_RESIZE(items, PyObject *, new_allocated);
   else
       items = NULL;
   if (items == NULL) {
       PyErr_NoMemory();
       return -1;
   }
   self->ob_item = items;
   Py_SIZE(self) = newsize;
   self->allocated = new_allocated;
   return 0;
}


在上面的代码中,频繁看到两个名词:newsize 和 new_allocated, 这里需要解释下,newsize 并不是 增加/减少 的个数,而是 增加/减少 之后的成员总数目。比方说:

a = [1, 2, 3]
a.append(1)

上面的 append 触发list_resize 时, newsize 是 3 + 1, 而不是 1;这边比较重要,因为在 pop 这类减少列表成员时候,就是传入缩减后的总数目。

在 list 的结构定义中,关于长度的定义有两个,分别是 ob_size(实际的成员数)allocated(总成员数)

它们之间的关系就是:

 0 <= ob_size <= allocated
len(list) == ob_size

所以 new_allocated 就很好理解了,这个就是新的总坑数。

当名词含义理解得差不多时,我们就能顺藤摸瓜知道一个列表在list_resize 之后,大小会变成怎样?

方法其实从上面注释和代码都说得很明白了,这里再简单整理下:

  1. 先确定一个基数:new_allocated = (newsize >> 3) + (newsize < 9 ? 3 : 6);

  2. 判断下 new_allocated + newsize 有没有超过 PY_SIZE_MAX, 如果超过了,直接报错;

  3. 最终确定新的总坑数是:new_allocated + newsize, 如果 newsize 是 0, 那么总坑数直接为 0 ;

下面演示下:

#coding: utf8
import sys

test = []
raw_size = sys.getsizeof(test)

test.append(1)
print "1 次 append 减去空列表的内存大小:%s " % (sys.getsizeof(test) - raw_size)

test.append(1)
print "2 次 append 减去空列表的内存大小:%s " % (sys.getsizeof(test) - raw_size)

test.append(1)
print "3 次 append 减去空列表的内存大小:%s " % (sys.getsizeof(test) - raw_size)

test.append(1)
print "4 次 append 减去空列表的内存大小:%s " % (sys.getsizeof(test) - raw_size)

test.append(1)
print "5 次 append 减去空列表的内存大小:%s " % (sys.getsizeof(test) - raw_size)

test.append(1)
print "6 次 append 减去空列表的内存大小:%s " % (sys.getsizeof(test) - raw_size)
# 输出结果
1 次 append 减去空列表的内存大小:32
2 次 append 减去空列表的内存大小:32
3 次 append 减去空列表的内存大小:32
4 次 append 减去空列表的内存大小:32
5 次 append 减去空列表的内存大小:64
6 次 append 减去空列表的内存大小:64

开始简单的代入法一步步算:

其中:

  • new_allocated = (newsize >> 3) + (newsize < 9 ? 3 : 6) + newsize (因为下面的 newsize > 0)

  • 当原allocated >= newsize 并且 newsize >= 原allocated / 2 时,不改变 allocated 不申请内存直接返回


通过上面的表格,应该比较清楚看到什么时候会触发改变 allocated,并且当触发时它们是如何计算的。为什么我们需要这样关注 allocated?理由很简单,因为这个值决定了整个 list 的动态内存的占用大小;

扩容是这样,缩容也是照猫画虎。反正都是算出新的 allocated, 然后由 PyMem_RESIZE 来处理。

总结

综上所述,在一些明确列表成员或者简单处理再塞入列表的情况下,我们不应该再用下面的方式:

test = []

for i in range(4):
   test.append(i)
print test

而是应该用更加 pythonic 和 更加高效的列表推导式:test = [i for i in range(4)]

推荐↓↓↓
Python编程
上一篇:Python 开发者节省时间的 10 个方法 下一篇:一个绝对让你欣喜若狂的开源Python爬虫 | 微信公众号爬虫weixin_crawler开源啦