大家或許知道，python 為了提高記憶體的利用效率，採用了一套共用物件記憶體的分配策略。
例如，對於那些數值較小的數字物件（[-5, 256]）、布林值物件、none 物件、較短的字串物件（通常是 20）等等，字面量相等的物件實際上是同乙個物件。
# 共用記憶體位址的例子
a = 100
b = 100
s = "python_cat"
t = "python_cat"
id(a) == id(b) # 結果：true
id(s) == id(t) # 結果：true
前不久，我還寫了一篇《python 記憶體分配時的小秘密》，也是介紹記憶體管理的技巧。
它們令我不由自主地想到兩個詞：共享經濟與供需平衡。
如果你沒有讀過那兩篇文章，我強烈建議你先回看一下，然後再看看我的聯想是否有道理：那幾類特權種族物件其實是在共享記憶體，表面上的不同物件，其實是在迴圈利用；至於供需平衡也好理解，建立某些物件時，按照預期的訴求去分配記憶體，在擴容時則靈活調節，達到了供需之間的平衡。
透過現象看本質，python 可以很有趣。
但是，python 的有趣之處還不止於此，本文要繼續分享另一種記憶體管理機制，在某種程度上，它實現了共享經濟與供需平衡的融合，我們從中可揭開 python 的另一重身份……
上面列出的"特權種族"都是不可變物件（而「供需平衡」主要出現於可變物件），對於這些不變的物件，當出現多處使用時，共用乙個物件似乎是種不錯的優化方法。
我曾有一種猜想：python 的不可變物件都可能是特權種族。
下面把它跟列表作一下對比：
# 空物件的差別
a =
b =
c = ()
d = ()
print(id(a)==id(b)) # 結果：false
print(id(c)==id(d)) # 結果：true
將實驗延伸到集合與字典，它們是可變物件，你會發現結果跟列表一樣，存在多個副本，即不是特權種族。我就不舉例了。
空元組體現了共享經濟，但由於它是不可變物件，所以不存在動態擴容，就只體現了極少的供需平衡。
作為對照，列表等可變物件充分表現了供需平衡，卻似乎沒辦法體現共享經濟。
比如說，我們把乙個列表想象成乙個可自增的杯子（畢竟它是某種容器），再把它的元素想象成不同種類的液體（水、可樂、酒……）。
對於第乙個問題，答案為否，驗證過程略。對於第二個問題，在上一節中，我們已驗證過兩個空杯子（即空列表），答案也為否。
但是，第二個問題還有其它的可能！下面讓我們換一種實驗方法：
# 實驗版本：python 3.6.1
a = [ for i in range(4)]
print(id(a))
for i in range(len(a)):
print(f' -- ')
# a[i] = 1 # ps：可去除注釋，再執行一次，結果的順序有差別
del a
print("after del")
b = [ for i in range(4)]
print(id(b))
for i in range(len(b)):
print(f' -- ')
2012909395656
0 -- 2012909395272
1 -- 2012909406472
2 -- 2012909395208
3 -- 2012909395144
after del
2012909395656
0 -- 2012909395272
1 -- 2012909406472
2 -- 2012909395208
3 -- 2012909395144
延伸到其它基本的可變物件，例如集合與字典，也有同樣的共享策略，其目的顯而易見：迴圈利用這些物件的「殘軀」，可以避免記憶體碎片，提高執行效能。
共享乙隻杯子，總比重新創造乙隻杯子，要更高效便捷，對吧？
python 直譯器在實現這個機制時，使用了乙個叫做free_list的全域性變數，其工作原理是：
好了，現在我們可以說，列表、集合與字典這些可變物件，它們都不是前文所說的特權種族，但是，在它們背後都藏著迴圈使用的共享思想，這一點卻是相通的。
python 直譯器在記憶體管理上真是煞費苦心啊，在那些司空見慣的基本物件上，它施加了諸多的小魔法，在我們毫不覺察的時候，它們有條不紊地運作，而當我們終於見識清楚後，就不得不感嘆它的精妙了。
python 算得上是乙個精打細算的「經濟學家」了。
回顧全文，最後作乙個小結：
python物件的身份迷思：從全體公民到萬物皆數
python物件的空間邊界：獨善其身與開放包容
Python 為了提公升效能，竟運用了共享經濟
大家或許知道，python 為了提高記憶體的利用效率，採用了一套共用物件記憶體的分配策略。例如，對於那些數值較小的數字物件 5,256 布林值物件 none 物件 較短的字串物件 通常 是 20 等等，字面量相等的物件實際上是同乙個物件。a 100 b 100 s python cat t pyth...
Python演算法效能提公升的幾種方式
1 優化原本演算法 在演算法中盡量降低演算法複雜度，充分利用已生成的資料作為快取，用於下次。2 使用numpy numpy是專門用於計算數值的庫，由於numpy建立乙個大的物件時需要大的記憶體開銷，需要兼顧好初始化位置。有時使用可能並不會提高執行速度。3 使用numba 在pypy中jit技術能夠顯...
7 個習慣幫你提公升Python執行效能
掌握一些技巧，可盡量提高python程式效能，也可以避免不必要的資源浪費。1 使用區域性變數 盡量使用區域性變數代替全域性變數 便於維護，提高效能並節省記憶體。使用區域性變數替換模組名字空間中的變數，例如 ls os.linesep。一方面可以提高程式效能，區域性變數查詢速度更快 另一方面可用簡短識...