python分配内存地址

发布时间: 2023-06-29 16:39:43

⑴ python 值相同变量名不同，内存地址相同吗

== （双=）， a == b —— 检测两个变量的字面值是否相同
id(a）/id(b） —— 读取单个变量对象的内存存储地址
is(操作符) a is b —— 检测两个变量存储的对象的内存存储地址是否相同
举例：
1、整形数值的字面值为于0-255之间
①值相同： X=1，Y=1时 —— 用 X == Y 检测这些整形数值的字面值是相同的，都是1，用 id(X) 、 id(y)（调用X或调用Y），检测也都是指向同一地址11，这个值只占用一个内存地址，并且值相同的情况下，不管有多少个变量来调用这个值，都会指向这个同一值和这个值得内存地址，地址设为11，此时X=Y=1，共同读取内存地址11。
②值不同：变化为X=1，Y=2 时 ——值不同（1、2）所以变量会分别指向不同值和不同内存地址，此时：X=1仍旧读取地址11，Y=2读取地址22。
③值相同：变化拓展为X=2，Y=2，Y=Z时——则X=Y=Z=2 读取地址为22。
以上三种情况，X、Y、Z都是变量，1和2是值，11和22是内存地址。①和③里不同变量指向同一值并且内存地址也相同的机制称为：内存地址的共享引用。但是这种不同变量引用相同值得到相同内存地址的情况仅限于整形数值的字面值在0-255之间,和部分短字节中。这是因为0-255之间的值的地址已被Python预缓存在内存中，而当整形数值的字面值大于255时，即便不同变量引用相同字面值，但内存的分配的地址也绝对不可能相同。举例如下
2、整形数值的字面值大于255
④值相同：X=500，Y=500时 —— 用 X == Y 检测他们的字面值是相同的500 但是用id(X)、 id(y)或 X is Y检测他们的内存地址时，虽然字面值相同，但字面值500大于255，所以X与Y不共享内存地址，此时X内存地址为55，Y地址为66
⑤值不同：变化为X=500，Y=600 时 —— 字面值不同且500、600都大于255，所以变量会分别指向不同内存地址，此时：X值=500已在④中声明过，所以X地址仍为55，Y因改变值则重新新建地址为77。
⑥值相同：再变化为x=600，y=600，y=z时——则x=y=z=600
用x == y ==z 检测他们字面值相同都是600 ，但因字面值600大于255，所以x与y与z不共享内存地址。用id(x)、 id(y)、 id(z）检测他们的内存地址也都不相同。此时：Y值=600已在⑤中声明过，所以此地址不变Y地址仍为77，X因改变值则重新建地址为88、z新建内存地址99。（并且由于Python的垃圾回收机制，每一个释放过的对象地址都可以被再次进行使用。所以⑥里X的地址也可以是之前④里Y已释放的的地址66，⑥里Z也可以使用X之前的内存地址55或Y之前使用的66）变量不存储值，而是绑定到值。当一个对象没有被绑定到任何一个变量时，它会在合适的时候被销毁，所占用的内存空间也会被回收。所以当一个新的对象被创建时，完全有可能分配到曾经回收的内存。简单可理解为对象地址是：先声明先占有，释放则回收。

⑵ python的内存管理机制

论坛

活动

招聘

专题

打开CSDN APP
Copyright © 1999-2020, CSDN.NET, All Rights Reserved

登录

XCCS_澍
关注
Python 的内存管理机制及调优手段？原创
2018-08-05 06:50:53

XCCS_澍

码龄7年

关注
内存管理机制：引用计数、垃圾回收、内存池。
一、引用计数：
引用计数是一种非常高效的内存管理手段，当一个 Python 对象被引用时其引用计数增加 1，当其不再被一个变量引用时则计数减 1. 当引用计数等于 0 时对象被删除。
二、垃圾回收：
1. 引用计数
引用计数也是一种垃圾收集机制，而且也是一种最直观，最简单的垃圾收集技术。当 Python 的某个对象的引用计数降为 0 时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾了。比如某个新建对象，它被分配给某个引用，对象的引用计数变为 1。如果引用被删除，对象的引用计数为 0，那么该对象就可以被垃圾回收。不过如果出现循环引用的话，引用计数机制就不再起有效的作用了
2. 标记清除
如果两个对象的引用计数都为 1，但是仅仅存在他们之间的循环引用，那么这两个对象都是需要被回收的，也就是说，它们的引用计数虽然表现为非 0，但实际上有效的引用计数为 0。所以先将循环引用摘掉，就会得出这两个对象的有效计数。
3. 分代回收
从前面“标记-清除”这样的垃圾收集机制来看，这种垃圾收集机制所带来的额外操作实际上与系统中总的内存块的数量是相关的，当需要回收的内存块越多时，垃圾检测带来的额外操作就越多，而垃圾回收带来的额外操作就越少；反之，当需回收的内存块越少时，垃圾检测就将比垃圾回收带来更少的额外操作。

⑶ Python内存驻留机制

字符串驻留机制在许多面向对象编程语言中都支持，比如Java、python、Ruby、PHP等，它是一种数据缓存机制，对不可变数据类型使用同一个内存地址，有效的节省了空间，本文主要介绍Python的内存驻留机制。

字符串驻留就是每个字符串只有一个副本，多个对象共享该副本，驻留只针对不可变数据类型，比如字符串，布尔值，数字等。在这些固定数据类型处理中，使用驻留可以有效节省时间和空间，当然在驻留池中创建或者插入新的内容会消耗一定的时间。

下面举例介绍python中的驻留机制。

在Python对象及内存管理机制一文中介绍了python的参数传递以及以及内存管理机制，来看下面一段代码：

知道结果是什么吗？下面是执行结果：

l1和l2内容相同，却指向了不同的内存地址，l2和l3之间使用等号赋值，所以指向了同一个对象。因为列表是可变对象，每创建一个列表，都会重新分配内存，列表对象是没有“内存驻留”机制的。下面来看不可变数据类型的驻留机制。

在 Jupyter或者控制台交互环境 中执行下面代码：

执行结果：

可以发现a1和b1指向了不同的地址，a2和b2指向了相同的地址，这是为什么呢？

因为启动时，Python 将一个 -5~256 之间整数列表预加载（缓存）到内存中，我们在这个范围内创建一个整数对象时，python会自动引用缓存的对象，不会创建新的整数对象。

浮点型不支持：

如果上面的代码在非交互环境，也就是将代码作为python脚本运行的结果是什么呢？（运行环境为python3.7）

全为True，没有明确的限定临界值，都进行了驻留操作。这是因为使用不同的环境时，代码的优化方式不同。

在 Jupyter或者控制台交互环境 中：

满足标识符命名规范的字符：

结果：

乘法获取字符串（运行环境为python3.7）

结果：

在非交互环境中：

注意： 字符串是在编译时进行驻留 ，也就是说，如果字符串的值不能在编译时进行计算，将不会驻留。比如下面的例子：

在交互环境执行结果如下：

都指向不同的内存。

python 3.7 非交互环境执行结果：

发现d和e指向不同的内存，因为d和e不是在编译时计算的，而是在运行时计算的。前面的 a = 'aa'*50 是在编译时计算的。

除了上面介绍的python默认的驻留外，可以使用sys模块中的intern()函数来指定驻留内容

结果：

使用intern()后，都指向了相同的地址。

本文主要介绍了python的内存驻留，内存驻留是python优化的一种策略，注意不同运行环境下优化策略不一样，不同的python版本也不相同。注意字符串是在编译时进行驻留。

--THE END--

⑷ python怎么修改某个内存地址的数据

使用ctypes模块调用WriteProcessMemory函数，在创建程序进程后，就可以修改该程序指定内存地址。WriteProcessMemory的函数原型如下所示。

BOOL WriteProcessMemory(

HANDLE hProcess,

LPVOID lpBaseAddress,

LPCVOID lpBuffer,

SIZE_T nSize,

SIZE_T* lpNumberOfBytesWritten

);

其参数含义如下。

· hProcess：要写内存的进程句柄。

· lpBaseAddress：要写的内存起始地址。

· lpBuffer：写入值的地址。

· nSize：写入值的大小。

· lpNumberOfBytesWritten ：实际写入的大小。

python代码示例如下：

fromctypesimport*
#定义_PROCESS_INFORMATION结构体
class_PROCESS_INFORMATION(Structure):
_fields_=[('hProcess',c_void_p),
('hThread',c_void_p),
('dwProcessId',c_ulong),
('dwThreadId',c_ulong)]
#定义_STARTUPINFO结构体
class_STARTUPINFO(Structure):
_fields_=[('cb',c_ulong),
('lpReserved',c_char_p),
('lpDesktop',c_char_p),
('lpTitle',c_char_p),
('dwX',c_ulong),
('dwY',c_ulong),
('dwXSize',c_ulong),
('dwYSize',c_ulong),
('dwXCountChars',c_ulong),
('dwYCountChars',c_ulong),
('dwFillAttribute',c_ulong),
('dwFlags',c_ulong),
('wShowWindow',c_ushort),
('cbReserved2',c_ushort),
('lpReserved2',c_char_p),
('hStdInput',c_ulong),
('hStdOutput',c_ulong),
('hStdError',c_ulong)]
NORMAL_PRIORITY_CLASS=0x00000020#定义NORMAL_PRIORITY_CLASS
kernel32=windll.LoadLibrary("kernel32.dll")#加载kernel32.dll
CreateProcess=kernel32.CreateProcessA#获得CreateProcess函数地址
ReadProcessMemory=kernel32.ReadProcessMemory#获得ReadProcessMemory函数地址
WriteProcessMemory=kernel32.WriteProcessMemory#获得WriteProcessMemory函数地址
TerminateProcess=kernel32.TerminateProcess
#声明结构体
ProcessInfo=_PROCESS_INFORMATION()
StartupInfo=_STARTUPINFO()
file='ModifyMe.exe'#要进行修改的文件
address=0x0040103c#要修改的内存地址
buffer=c_char_p("_")#缓冲区地址
bytesRead=c_ulong(0)#读入的字节数
bufferSize=len(buffer.value)#缓冲区大小
#创建进程
ifCreateProcess(file,0,0,0,0,NORMAL_PRIORITY_CLASS,0,0,byref(StartupInfo),byref(ProcessInfo)):
#读取要修改的内存地址，以判断是否是要修改的文件
ifReadProcessMemory(ProcessInfo.hProcess,address,buffer,bufferSize,byref(bytesRead)):
ifbuffer.value=='x74':
buffer.value='x75'#修改缓冲区内的值，将其写入内存
#修改内存
ifWriteProcessMemory(ProcessInfo.hProcess,address,buffer,bufferSize,byref(bytesRead)):
print'成功改写内存!'
else:
print'写内存错误!'
else:
print'打开了错误的文件!'
TerminateProcess(ProcessInfo.hProcess,0)#如果不是要修改的文件，则终止进程
else:
print'读内存错误!'
else:
print'不能创建进程!'

⑸ python基于值的内存管理方式是什么

Python采用基于值的内存管理模式。
在Python中一切皆对象，变量中存放的是对象的引用
python可以不用声明变量类型而直接对变量进行赋值。对Python语言来讲，对象的类型和内存都是在运行时确定的。这也是为什么我们称Python语言为动态类型的原因（这里我们把动态类型归结为对变量内存地址的分配是在运行时自动判断变量类型并对变量进行赋值）。

⑹ python变量与地址的关系

在C语言中，系统会为每个变量分配内存空间，当改变变量的值时，改变的是内存空间中的值，变量的地址是不改变的。

而在python中，Python采用的是基于值的管理方式。当给变量赋值时，系统会为这个值分配内存空间，然后让这个变量指向这个值；当改变变量的值时，系统会为这个新的值分配另一个内存空间，然后还是让这个变量指向这个新值。

这时，如果没有任何变量指向内存空间的某个值，这个值称为垃圾数据，系统会自动将其删除，回收它占用的内存空间。

例如:
x=12
x=3.1415926
变量x在指向3.1415926后，数值12就变成了垃圾数据。也可以使用del 命令删除变量，但是删除之后就不能再使用了。否则会报错：变量没有定义。

也就是说，C语言中变量变的是内存空间中的值，不变的是地址；而在Python中，变量变的是地址，不变的是内存空间中的值。

python中查看变量地址可用：id(变量名)

⑺ python如何进行内存管理

Python的内存管理主要有三种机制：引用计数机制，垃圾回收机制和内存池机制。
引用计数机制
简介
python内部使用引用计数，来保持追踪内存中的对象，Python内部记录了对象有多少个引用，即引用计数，当对象被创建时就创建了一个引用计数，当对象不再需要时，这个对象的引用计数为0时，它被垃圾回收。
特性
1.当给一个对象分配一个新名称或者将一个对象放入一个容器(列表、元组或字典)时，该对象的引用计数都会增加。
2.当使用del对对象显示销毁或者引用超出作用于或者被重新赋值时，该对象的引用计数就会减少。
3.可以使用sys.getrefcount()函数来获取对象的当前引用计数。多数情况下，引用计数要比我们猜测的大的多。对于不可变数据(数字和字符串)，解释器会在程序的不同部分共享内存，以便节约内存。
垃圾回收机制
特性
1.当内存中有不再使用的部分时，垃圾收集器就会把他们清理掉。它会去检查那些引用计数为0的对象，然后清除其在内存的空间。当然除了引用计数为0的会被清除，还有一种情况也会被垃圾收集器清掉：当两个对象相互引用时，他们本身其他的引用已经为0了。
2.垃圾回收机制还有一个循环垃圾回收器, 确保释放循环引用对象(a引用b, b引用a, 导致其引用计数永远不为0)。
内存池机制
简介
在Python中，许多时候申请的内存都是小块的内存，这些小块内存在申请后，很快又会被释放，由于这些内存的申请并不是为了创建对象，所以并没有对象一级的内存池机制。这就意味着Python在运行期间会大量地执行malloc和free的操作，频繁地在用户态和核心态之间进行切换，这将严重影响Python的执行效率。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。
内存池概念
内存池的概念就是预先在内存中申请一定数量的，大小相等的内存块留作备用，当有新的内存需求时，就先从内存池中分配内存给这个需求，不够了之后再申请新的内存。这样做最显着的优势就是能够减少内存碎片，提升效率。内存池的实现方式有很多，性能和适用范围也不一样。
特性
1.Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统。
2.Pymalloc机制。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。
3.Python中所有小于256个字节的对象都使用pymalloc实现的分配器，而大的对象则使用系统的 malloc。
4.对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。

⑻ Python如何进行内存管理

Python是如何进行内存管理的？

答:从三个方面来说,一对象的引用计数机制,二垃圾回收机制,三内存池机制。

一、对象的引用计数机制

Python内部使用引用计数，来保持追踪内存中的对象，所有对象都有引用计数。

引用计数增加的情况：

1，一个对象分配一个新名称

2，将其放入一个容器中（如列表、元组或字典）

引用计数减少的情况：

1，使用del语句对对象别名显示的销毁

2，引用超出作用域或被重新赋值

Sys.getrefcount( )函数可以获得对象的当前引用计数

多数情况下，引用计数比你猜测得要大得多。对于不可变数据（如数字和字符串），解释器会在程序的不同部分共享内存，以便节约内存。

python分配内存地址

与python分配内存地址相关的资讯