Python 浅析列表的变长变短 | 让你的代码更 Pythonic

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：

>>> 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：

根据成员的数目，构建相应长度的空列表；(上述代码)
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：

先确定一个基数：new_allocated = (newsize >> 3) + (newsize < 9 ? 3 : 6);
判断下 new_allocated + newsize 有没有超过 PY_SIZE_MAX, 如果超过了，直接报错；
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)]。

Python 浅析列表的变长变短 | 让你的代码更 Pythonic

猜你喜欢