python引用計數對象

A. python程序執行完有對象的引用計數不為0，會怎麼處理

1. 整個執行結束後，解釋器退出時會清理所有解釋器產生的對象。2. CPython的實現里有個mark-sweep。因此即使出現了循環引用又被扔掉的對象，最終還是會被回收的。3. 你的例子不構成循環引用，完全會根據計數正常回收。清理b時，b所指list引用歸0，list被回收，list中對a的引用就會減1，因此沒有任何問題。

B. python引用計數錯誤

你的代碼有地方寫錯了

C. Python垃圾回收機制是什麼樣的

Python垃圾回收機制是通過引用計數來管理的引用計數表示記錄這個對象被引用的次數如果有新的引用指向對象，對象引用計數就加一，引用被銷毀時，對象引用計數減一，當用戶的引用計數為0時，該內存被釋放以上就是Python的垃圾回收機制了 ，在黑馬程序員看過一個視頻，有專門講解的，你可以去看看！謝謝你，如果你有這方面的問題的話，您可以隨時詢問我

D. python如何控制內存

python控制內存的方法：

一、對象的引用計數機制
二、垃圾回收機制
三、內存池機制
一、對象的引用計數機制
Python內部使用引用計數，來保持追蹤內存中的對象，所有對象都有引用計數。
引用計數增加的情況：
1、一個對象分配一個新名稱
2、將其放入一個容器中（如列表、元組或字典）
引用計數減少的情況：
1、使用del語句對對象別名顯示的銷毀
2、引用超出作用域或被重新賦值 sys.getrefcount( )函數可以獲得對象的當前引用計數
多數情況下，引用計數比你猜測得要大得多。對於不可變數據（如數字和字元串），解釋器會在程序的不同部分共享內存，以便節約內存。
二、垃圾回收
1、當一個對象的引用計數歸零時，它將被垃圾收集機制處理掉。
2、當兩個對象a和b相互引用時，del語句可以減少a和b的引用計數，並銷毀用於引用底層對象的名稱。然而由於每個對象都包含一個對其他對象的應用，因此引用計數不會歸零，對象也不會銷毀。（從而導致內存泄露）。為解決這一問題，解釋器會定期執行一個循環檢測器，搜索不可訪問對象的循環並刪除它們。
三、內存池機制
Python提供了對內存的垃圾收集機制，但是它將不用的內存放到內存池而不是返回給操作系統。
1、Pymalloc機制。為了加速Python的執行效率，Python引入了一個內存池機制，用於管理對小塊內存的申請和釋放。
2、Python中所有小於256個位元組的對象都使用pymalloc實現的分配器，而大的對象則使用系統的malloc。
3、對於Python對象，如整數，浮點數和List，都有其獨立的私有內存池，對象間不共享他們的內存池。也就是說如果你分配又釋放了大量的整數，用於緩存這些整數的內存就不能再分配給浮點數。
更多Python知識請關注Python視頻教程欄目。

E. 如何評價python的內存管理機制

Python有兩種共存的內存管理機制: 引用計數和垃圾回收. 引用計數是一種非常高效的內存管理手段, 當一個Python對象被引 用時其引用計數增加1, 當其不再被一個變數引用時則計數減1. 當引用計數等於0時對象被刪除.引用計數的一個主要缺點是無法自動處理循環引用。

F. Python如何管理內存

Python中的內存管理是從三個方面來進行的,一對象的引用計數機制,二垃圾回收機制,三內存池機制
一、對象的引用計數機制
Python內部使用引用計數，來保持追蹤內存中的對象，所有對象都有引用計數。
引用計數增加的情況：
1，一個對象分配一個新名稱
2，將其放入一個容器中(如列表、元組或字典)
引用計數減少的情況：
1，使用del語句對對象別名顯示的銷毀
2，引用超出作用域或被重新賦值
sys.getrefcount( )函數可以獲得對象的當前引用計數
多數情況下，引用計數比你猜測得要大得多。對於不可變數據(如數字和字元串)，解釋器會在程序的不同部分共享內存，以便節約內存。
二、垃圾回收
1，當一個對象的引用計數歸零時，它將被垃圾收集機制處理掉。
2，當兩個對象a和b相互引用時，del語句可以減少a和b的引用計數，並銷毀用於引用底層對象的名稱。然而由於每個對象都包含一個對其他對象的應用，因此引用計數不會歸零，對象也不會銷毀。(從而導致內存泄露)。為解決這一問題，解釋器會定期執行一個循環檢測器，搜索不可訪問對象的循環並刪除它們。
三、內存池機制
Python提供了對內存的垃圾收集機制，但是它將不用的內存放到內存池而不是返回給操作系統。
1，Pymalloc機制。為了加速Python的執行效率，Python引入了一個內存池機制，用於管理對小塊內存的申請和釋放。
2，Python中所有小於256個位元組的對象都使用pymalloc實現的分配器，而大的對象則使用系統的malloc。
3，對於Python對象，如整數，浮點數和List，都有其獨立的私有內存池，對象間不共享他們的內存池。也就是說如果你分配又釋放了大量的整數，用於緩存這些整數的內存就不能再分配給浮點數。

G. 如何進行處理Python對象參數解析

椋�匭虢�潯嘁氤啥��唇涌獾男問劍�ǔＪ褂肞ython的C語言擴展介面提供的函數PyArg_ParseTuple()來獲得這些參數值，希望本文能夠對大家有幫助。Python是用C語言實現的一種腳本語言，本身具有優良的開放性和可擴展性，並提供了方便靈活的應用程序介面(API)。從而使得C/C++程序員能夠在各個級別上對Python解釋器的功能進行擴展。在使用C/C++對Python進行功能擴展之前，必須首先掌握Python解釋所提供的C語言介面。Python是一門面向對象的腳本語言，所有的對象在Python解釋器中都被表示成PyObject，PyObject結構包含Python對象的所有成員指針。並且對Python對象的類型信息和引用計數進行維護。在進行Python的擴展編程時，一旦要在C或者C++中對Python對象進行處理，就意味著要維護一個PyObject結構。在Python的C語言擴展介面中，大部分函數都有一個或者多個參數為PyObject指針類型，並且返回值也大都為PyObject指針。為了簡化內存管理，Python通過引用計數機制實現了自動的垃圾回收功能，Python中的每個對象都有一個引用計數。用來計數該對象在不同場所分別被引用了多少次。每當引用一次Python對象，相應的引用計數就增1，每當消毀一次Python對象，則相應的引用就減1，只有當引用計數為零時，才真正從內存中刪除Python對象。下面的例子說明了Python解釋器如何利用引用計數來對Pyhon對象進行管理：#include <Python.h> PyObject* wrap_fact(PyObject* self, PyObject* args) { int n, result; if (! PyArg_ParseTuple(args, "i:fact", &n)) return NULL; result = fact(n); return Py_BuildValue("i", result); } static PyMethodDef exampleMethods[] = { {"fact", wrap_fact, METH_VARARGS, "Caculate N!"}, {NULL, NULL} }; void initexample() { PyObject* m; m = Py_InitMole("example", exampleMethods); } 在C/C++中處理Python對象時，對引用計數進行正確的維護是一個關鍵問題，處理不好將很容易產生內存泄漏。Python的C語言介面提供了一些宏來對引用計數進行維護，最常見的是用Py_INCREF()來增加使Python對象的引用計數增1，用Py_DECREF()來使Python對象的引用計數減1。該函數是Python解釋器和C函數進行交互的介面，帶有兩個參數：self和args。參數self只在C函數被實現為內聯方法(built-in method)時才被用到。通常該參數的值為空(NULL)，參數args中包含了Python解釋器要傳遞給C函數的所有參數，通常使用Python的C語言擴展介面提供的函數PyArg_ParseTuple()來獲得這些參數值。方法列表中的每項由四個部分組成：方法名、導出函數、參數傳遞方式和方法描述。

H. python的 del 函數是刪對象還是刪引用

1.首先介紹下python的對象引用

1）Python中不存在傳值調用，一切傳遞的都是對象引用，也可以認為是傳址調用。即Python不允許程序員選擇採用傳值或傳引用。Python參數傳遞採用的是「傳對象引用」的方式。實際上，這種方式相當於傳值和傳引用的一種綜合。如果函數參數收到的是一個可變對象（比如字典或者列表）的引用，就能修改對象的原始值——相當於通過「傳引用」來傳遞對象。如果函數收到的是一個不可變對象（比如數字、字元或者元組）的引用，就不能直接修改原始對象——相當於通過"傳值"來傳遞對象。

2）當復制列表或字典時，就復制了對象列表的引用，如果改變引用的值，則修改了原始的參數。

3）為了簡化內存管理，Python通過引用計數機制實現自動垃圾回收功能，Python中的每個對象都有一個引用計數，用來計數該對象在不同場所分別被引用了多少次。每當引用一次Python對象，相應的引用計數就增1，每當消毀一次Python對象，則相應的引用就減1，只有當引用計數為零時，才真正從內存中刪除Python對象。

2. 可變對象與不可變對象的概念與分類

Python在heap中分配的對象分成2類：

不可變對象（immutable object）：Number（int、float、bool、complex）、String、Tuple. 採用等效於「傳引用」的方式。

可變對象（mutable object）：List、dictionary.採用等效於「傳值」的方式。

3. del 是刪除引用而不是刪除對象，對象由自動垃圾回收機制（GC）刪除

看這個例子：

#!/usr/bin/evn python# -*- coding:utf-8 -*-# Author: antcolonies'''python中的內置方法del不同於C語言中的free和C++中的delete
（free和delete直接回收內存，當然存儲於該內存的對象也就掛了）
Python都是引用，垃圾回收為GC機制'''
'''if __name__ == '__main__':
a = 1 # 對象 1 被 變數a引用，對象1的引用計數器為1
b = a # 對象1 被變數b引用，對象1的引用計數器加1
c = a # 對象1 被變數c引用，對象1的引用計數器加1
del a # 刪除變數a，解除a對1的引用，對象1的引用計數器減1
del b # 刪除變數b，解除b對1的引用，對象1的引用計數器減1
print(c) # 1'''
if __name__=='__main__':
li=['one','two','three','four','five'] # 列表本身不包含數據'one','two','three','four','five'，而是包含變數：li[0] li[1] li[2] li[3] li[4]
first=li[0] # 拷貝列表，也不會有數據對象的復制，而是創建新的變數引用
del li[0] print(li) # ['two','three','four','five']
print(first) # one
list1 = li del li print(list1) # ['two', 'three', 'four', 'five']# print(type(li)) # NameError: name 'li' is not defined

I. 在Python中怎樣獲取對象的引用計數

import sys
a = 0
sys.getrefcount(a)

J. Python引入了一個機制：引用計數。

python內部使用引用計數，來保持追蹤內存中的對象，
Python內部記錄了對象有多少個引用
，即引用計數，當對象被創建時就創建了一個引用計數，當對象不再需要時，這個對象的引用計數為0時，它被垃圾回收。
總結一下對象會在一下情況下引用計數加1：
1.對象被創建：x=4
2.另外的別人被創建：y=x
3.被作為參數傳遞給函數：foo(x)
4.作為容器對象的一個元素：a=[1,x,'33']
引用計數減少情況
1.一個本地引用離開了它的作用域。比如上面的foo(x)函數結束時，x指向的對象引用減1。
2.對象的別名被顯式的銷毀：del x ；或者del y
3.對象的一個別名被賦值給其他對象：x=789
4.對象從一個窗口對象中移除：myList.remove(x)
5.窗口對象本身被銷毀：del myList，或者窗口對象本身離開了作用域。垃圾回收
1、當內存中有不再使用的部分時，垃圾收集器就會把他們清理掉。
它會去檢查那些引用計數為0的對象
，然後清除其在內存的空間。當然除了引用計數為0的會被清除，還有一種情況也會被垃圾收集器清掉：當兩個對象相互引用時，他們本身其他的引用已經為0了。
2、垃圾回收機制還有一個
循環垃圾回收器
, 確保釋放循環引用對象(a引用b, b引用a, 導致其引用計數永遠不為0)。
在Python中，許多時候申請的內存都是小塊的內存，這些小塊內存在申請後，很快又會被釋放，由於這些內存的申請並不是為了創建對象，所以並沒有對象一級的內存池機制。
這就意味著Python在運行期間會大量地執行malloc和free的操作，頻繁地在用戶態和核心態之間進行切換，這將嚴重影響Python的執行效率。為了加速Python的執行效率，Python引入了一個內存池機制，用於管理對小塊內存的申請和釋放。
內存池機制
Python提供了對內存的垃圾收集機制，但是它將不用的內存放到內存池而不是返回給操作系統。
Python中所有小於256個位元組的對象都使用pymalloc實現的分配器，而大的對象則使用系統的
malloc。另外Python對象，如整數，浮點數和List，都有其獨立的私有內存池，對象間不共享他們的內存池。也就是說如果你分配又釋放了大量的整數，用於緩存這些整數的內存就不能再分配給浮點數。
在Python中，許多時候申請的內存都是小塊的內存，這些小塊內存在申請後，很快又會被釋放，由於這些內存的申請並不是為了創建對象，所以並沒有對象一級的內存池機制。這就意味著Python在運行期間會大量地執行malloc和free的操作，頻繁地在用戶態和核心態之間進行切換，這將嚴重影響
Python的執行效率。這也就是之前提到的