覆蓋變量名是否應該帶來性能優勢？

Question

從大型數據集中解析對象時，我經常發現自己將信息聚合到集合對象中，然后將其轉換為列表以對其進行排序。

例如，這可能是一個代碼片段：

all_times = set([])

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

sorted_times = sorted(list(all_times))

我的問題是關於最后的任務。 我可以用排序列表重新分配相同的變量名

all_times = sorted(list(all_times))

我知道python具有自動垃圾回收功能，可刪除分配給未重用的舊變量名稱的數據。 這種方法似乎將允許Python解釋器立即取消分配屬於all_times的舊設置版本的內存。 如果我們在數百萬個數據集中循環運行上述代碼，這可能很重要。

覆蓋不再使用的變量名是否應該帶來任何性能上的好處？ 還是Python的垃圾回收器足夠聰明，可以立即為腳本不再調用的變量重新分配內存？

Answer 1

Python不會對代碼進行任何靜態分析。 它將保持綁定到變量的對象的引用計數，直到該變量超出范圍（例如，在return ），重新分配變量（ all_times = sorted(list(all_times) ）或刪除該變量（ del all_times ）。在set的情況下，您也可以執行all_times.clear()擺脫包含的數據，所有這四種都是擺脫不再需要的容器的合理方法。

請注意，無論如何，所包含的數據仍在sorted_times 。 您擺脫的只是集合使用的哈希表。 無論哪種方式，它的幫助都不大。

Answer 2

Il認為，如果操作正確（取決於您的需求），它不會花費那么多資源。

我的意思是，如果將此代碼運行到一個循環中，您仍將僅使用2個變量。

如果將此代碼放入函數中，然后將函數運行到循環中，則情況會稍有不同。 如果您將此功能作為多線程任務運行，它將消耗更多。