覆盖变量名是否应该带来性能优势？

Question

从大型数据集中解析对象时，我经常发现自己将信息聚合到集合对象中，然后将其转换为列表以对其进行排序。

例如，这可能是一个代码片段：

all_times = set([])

for row in dataset:
   time = parse_out_time(row)
   all_times.add(time)

sorted_times = sorted(list(all_times))

我的问题是关于最后的任务。 我可以用排序列表重新分配相同的变量名

all_times = sorted(list(all_times))

我知道python具有自动垃圾回收功能，可删除分配给未重用的旧变量名称的数据。 这种方法似乎将允许Python解释器立即取消分配属于all_times的旧设置版本的内存。 如果我们在数百万个数据集中循环运行上述代码，这可能很重要。

覆盖不再使用的变量名是否应该带来任何性能上的好处？ 还是Python的垃圾回收器足够聪明，可以立即为脚本不再调用的变量重新分配内存？

Answer 1

Python不会对代码进行任何静态分析。 它将保持绑定到变量的对象的引用计数，直到该变量超出范围（例如，在return ），重新分配变量（ all_times = sorted(list(all_times) ）或删除该变量（ del all_times ）。在set的情况下，您也可以执行all_times.clear()摆脱包含的数据，所有这四种都是摆脱不再需要的容器的合理方法。

请注意，无论如何，所包含的数据仍在sorted_times 。 您摆脱的只是集合使用的哈希表。 无论哪种方式，它的帮助都不大。

Answer 2

Il认为，如果操作正确（取决于您的需求），它不会花费那么多资源。

我的意思是，如果将此代码运行到一个循环中，您仍将仅使用2个变量。

如果将此代码放入函数中，然后将函数运行到循环中，则情况会稍有不同。 如果您将此功能作为多线程任务运行，它将消耗更多。