简短回答

切片列表不会生成列表中对象的副本;它只是复制对它们的引用。这就是问题的答案。

答案很长

测试可变和不可变值

首先，让我们测试基本声明。我们可以证明，即使在整数等不可变对象的情况下，也只复制引用。以下是三个不同的整数对象，每个对象具有相同的值：

>>> a = [1000 + 1, 1000 + 1, 1000 + 1]

它们具有相同的值，但您可以看到它们是三个不同的对象，因为它们具有不同的id s：

>>> map(id, a)
[140502922988976, 140502922988952, 140502922988928]

切片时，引用保持不变。没有创建新对象：

>>> b = a[1:3]
>>> map(id, b)
[140502922988952, 140502922988928]

使用具有相同值的不同对象表明复制过程不会对interning感到烦恼 - 它只是直接复制引用。

使用可变值进行测试会得到相同的结果：

>>> a = [{0: 'zero', 1: 'one'}, ['foo', 'bar']]
>>> map(id, a)
[4380777000, 4380712040]
>>> map(id, a[1:]
... )
[4380712040]

检查剩余内存开销

当然会复制引用本身。每个在64位计算机上花费8个字节。每个列表都有自己的72字节内存开销：

>>> for i in range(len(a)):
...     x = a[:i]
...     print('len: {}'.format(len(x)))
...     print('size: {}'.format(sys.getsizeof(x)))
... 
len: 0
size: 72
len: 1
size: 80
len: 2
size: 88

作为Joe Pinsonault reminds us，这种开销加起来。整数对象本身不是很大 - 它们比引用大三倍。因此，从绝对意义上说，这可以节省一些内存，但渐渐地，能够将多个列表作为“视图”放入同一个内存中可能会很好。

使用视图

保存内存

不幸的是，Python没有提供简单的方法来生成列表中“视图”的对象。或许我应该说“幸运”！这意味着您不必担心切片的来源;对原始的更改不会影响切片。总的来说，这使得对程序行为的推理变得更加容易。

如果您确实希望通过使用视图来节省内存，请考虑使用numpy数组。切片numpy数组时，内存在切片和原始数据之间共享：

>>> a = numpy.arange(3)
>>> a
array([0, 1, 2])
>>> b = a[1:3]
>>> b
array([1, 2])

当我们修改a并再次查看b时会发生什么？

>>> a[2] = 1001
>>> b
array([   1, 1001])

但这意味着你必须确保在修改一个对象时，你不会无意中修改另一个对象。这是你使用numpy时的权衡：减少计算机的工作量，为程序员做更多的工作！

Answer 2

根据您的操作，您可以使用islice。

由于它是通过迭代操作的，因此它不会创建新的列表，而只是创建迭代器，原始列表中的yield元素按其范围请求。

Answer 3

islice的一种简单替代方案，它不需要遍历不需要的列表项：

def listslice(xs, *args):
    for i in range(len(xs))[slice(*args)]:
        yield xs[i]

用法：

>>> xs = [0, 2, 4, 6, 8, 10]

>>> for x in listslice(xs, 2, 4):
...     print(x)
4
6

Answer 4

我写了一个ListView类，避免了复制列表的书脊：

https://gist.github.com/3noch/b5f3175cfe39aea71ca4d07469570047

这支持嵌套切片，以便您可以继续切片到视图以缩小视图。例如：ListView(list(range(10)))[4:][2:][1] == 7。

请注意，这还没有完全解决，当基础列表和测试套件一起发生突变时，还应该进行大量错误检查。

Answer 5

通常，列表切片是最好的选择。

这是一个快速的性能比较：

from timeit import timeit
from itertools import islice

for size in (10**4, 10**5, 10**6):
    L = list(range(size))
    S = size // 2
    def sum_slice(): return sum(L[S:])
    def sum_islice(): return sum(islice(L, S, None))
    def sum_for(): return sum(L[i] for i in range(S, len(L)))

    assert sum_slice() == sum_islice()
    assert sum_slice() == sum_for()

    for method in (sum_slice, sum_islice, sum_for):
        print(f'Size={size}, method={method.__name__}, time={timeit(method, number=1000)} ms')

结果：

Size=10000,   method=sum_slice,  time=0.0298 ms
Size=10000,   method=sum_islice, time=0.0449 ms
Size=10000,   method=sum_for,    time=0.2500 ms
Size=100000,  method=sum_slice,  time=0.3262 ms
Size=100000,  method=sum_islice, time=0.4492 ms
Size=100000,  method=sum_for,    time=2.4849 ms
Size=1000000, method=sum_slice,  time=5.4092 ms
Size=1000000, method=sum_islice, time=5.1139 ms
Size=1000000, method=sum_for,    time=26.198 ms

在Python中切片列表而不生成副本

5 个答案:

简短回答

答案很长

测试可变和不可变值

检查剩余内存开销

使用视图