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 insert,pop等等而言，append用法更常见。

有像这样使用：

也有像这样使用的：

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“:

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

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：

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。

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：

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：

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

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：

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)]。

经过作者授权转载|原文链接：https://segmentfault.com/a/1190000017221754

Python零基础和Docker+K8s课程优惠，需要的咨询wechat：17812796384