如何在Python中动态分配内存

Question

有没有在Python中获取堆内存块并使用变量引用它的方法，就像其他语言中的关键字“new”或函数malloc()一样？

Object *obj = (Object *) malloc(sizeof(Object)); 
Object *obj = new Object();

在这个项目中，我的程序在不确定的时间间隔内等待接收一些数据，并且当正确时，数据的长度是固定的字节数。

我通常这样使用它：

void receive()// callback
{
  if(getSize()<=sizeof(DataStruct))
  {
   DataStruct *pData=malloc(sizeof(DataStruct));
   if(recvData(pData)>0)
   list_add(globalList,pData);
  }   
}

void worker()
{
  init()
  while(!isFinish)
 {
  dataProcess(globalList);
 }

}

现在我想把这些旧项目迁移到Python上，并尝试以如下方式进行：

def reveive():
 data=dataRecv()
 globalList.append(data)

然而，我发现列表中的所有项目都相同，并且等于最新接收到的项目。很明显，所有列表项都指向同一个内存地址，我希望每次调用函数时都能获得一个新的内存地址。

- lb lb

---

在Python中，globalList是什么？是局部变量吗？ - Boiethios

你没有用正确的方式尝试解决问题。Python是一种高级语言，你根本不需要分配内存。如果你展示dataRecv的定义（或者调用的任何内容 - 最小可复现代码），那么实际问题可能会更清晰。我猜测你正在清空和重用单个列表对象，而不是创建一个新的列表对象。可能你遇到了可怕的可变默认参数问题。 - jonrsharpe

谢谢，dataRecv是从另一个导入模块中获取的，并且我省略了用于调用dataRecv的参数。我在receive()函数中打印了data，这是正确的。正如你所说，我并没有创建一个新的列表对象。这正是我所询问的，我需要一种方法来实现C++中的关键字"new"。 - lb lb

Answer 1

在Python中，“new”的等效方法是使用构造函数，例如：

new_list = list() # or [] - expandable heterogeneous list
new_dict = dict() # expandable hash table
new_obj = CustomObject() # assuming CustomObject has been defined

由于您正在从C语言移植，因此需要注意一些事项。在Python中，所有东西都是对象，包括整数，大多数变量只是引用，但标量变量（如整数和字符串）与容器的规则不同，例如：

a = 2   # a is a reference to 2
b = a   # b is a reference to 'a'
b = 3   # b now points to 3, while 'a' continues to point to 2

然而：

alist = ['eggs', 2, 'juice']  # alist is reference to a new list
blist = alist # blist is a reference; changing blist affects alist
blist.append('coffee') # alist and blist both point to 
                       # ['eggs', 2, 'juice', 'coffee']

如果你愿意，你可以预先分配大小，但在Python中这通常不会带来太多好处。下面的写法是合法的：

new_list4k = [None]*4096 # initialize to list of 4096 None's 
new_list4k = [0]*4096    # initialize to 4096 0's
big_list = []
big_list.extend(new_list4k) # resizes big_list to accomodate at least 4k items

如果您想确保不会发生内存泄漏，请尽可能经常使用局部变量，例如，在函数内部使用，因此当事物超出范围时，您不必担心。

为了进行高效的矢量化操作（并且具有更低的内存占用），请使用numpy数组。

import numpy as np
my_array = np.zeros(8192) # create a fixed array length of 8K elements
my_array += 4             # fills everything with 4

我想先问一下你的主要目标是什么。有些方法是符合Python编程规范的，可以尝试优化程序执行速度或者使用最少的内存空间。但如果你想在最短的时间内移植程序，可能需要考虑其他方案。有时候这些方案会相互交叉，但通常来说，符合Python编程规范的方法翻译起来会更快，但需要更多的内存。如果想要让Python性能更好，可能需要更专注的经验。祝你好运！

- clocker

---

非常感谢，我已经解决了。 - lb lb

Answer 2

您应该阅读Python教程。

您可以在Python中创建列表、字典、对象和闭包。所有这些都存在于（Python）堆中，而Python具有天真的垃圾回收器（引用计数+循环标记）。

^{（Python GC是天真的，因为它不使用复杂的GC技术；因此它比例如Ocaml或许多JVM分代复制垃圾回收器慢；阅读GC手册获取更多信息；但是Python GC对外部C代码更加友好）}

- Basile Starynkevitch

---

天真？就是指轻信、天真无邪，容易被欺骗的意思吗？缺乏世故经验？有点带有偏见，对吗？ - rici

Answer 3

请记住，解释性语言通常不会像编译语言那样将类型展开。内存布局（可能）与原始数据完全不同。因此，您不能简单地将原始数据强制转换为类实例或反之亦然。您必须手动读取原始数据，解释并填充对象。

- Viktor Engelmann

---

从技术上讲，Python是编译型语言。解释型语言是逐个字符运行的，而编译型语言则被转换为字节码，然后由相应的虚拟机运行。 - nerdguy