前言

介紹了四個幫助函式，dir()，help()，type()，id()，通過id()函式進一步分析了python在申請記憶體方面的效率問題，提到的基本型別有string，list，queue和deque

四個幫助函式

dir()函式

dir()函式是檢視函式或模組內的操作方法都有什麼，輸出的是方法列表。

dir('str')

也可以檢視自己定義的函式

help()函式

help()函式是檢視函式或模組用途的詳細說明，例：

 help('str')

type()函式

這個很簡單了，返回其型別，略

id()函式

對一個物件的引用呼叫id()

PS: 在CPython實現細節:識別符號(dentity)為物件在記憶體中的地址. 在Python中一切皆物件,變數中存放的是物件的引用.字串常量和整型常量都是物件.

舉個例子：

>>> a = 1
>>> b=2
>>> c =1
>>> id(a)
1521120064
>>> id(b)
1521120096
>>> 
 
id(c)
1521120064

不知道，在看這個dentity的時候，有沒有發現a與c的地址是相同的！！！

從id()函式看python記憶體地址申請機制

如果還是沒有理解的話，接下來看我本地進行的一個非常簡單的一個演示指令碼測試：

import time

t1 = time.time()

astr = 'a'

for x in range(1,2000000):
    astr = astr + str(x)

astr
t2 = time.time()

print(t2-t1)

#10.028913259506226
#[Finished in 10.2s]

import time
 


t1 = time.time()

astr = list('1'*2000000)

for x in range(1,2000000):
    astr[x]=str(x)

bstr = str(astr)
t2 = time.time()

print(t2-t1)

#0.8323781490325928
#[Finished in 1.1s]

為什麼差距如此之大呢？這就回到了我們最初提到的a,b，當值改變，會重新去申請記憶體空間（id改變）。在這第一個例子中，我們不停地改變astr的值，astr即不停地申請記憶體空間，此過程消耗了大量的時間！！！第二個例子中，我們一次申請了夠所有變數使用的記憶體空間地址，免去了每次申請，所以大大加快了執行速度！！！

感謝@一個閒散之人的閒散更進一步的分析，

影響其效率問題的核心根本在於list到底是基於連結串列的資料結構還是基於線性表的資料結構。線性表的話為了騰出足夠連續空間需要改變表頭的記憶體位置，也就造成了id的改變，對於連結串列而言，則只需要申請一個結點大小的記憶體量，沒必要對錶頭的記憶體位置動手腳。

關於list的資料結構，從知乎上get到的結果是線性表形式的資料結構，於是乎我又做了以下3個測試：

1、不提前申請空間的queue

import time
import queue

t1 = time.time()

astr = queue.Queue()

for x in range(1,2000000):
    astr.put(str(x))

bstr = str(astr)
t2 = time.time()

print(t2-t1)
# 4.525705337524414
# [Finished in 4.8s]

2、不提前申請空間的deque

import collections
import time

t1 = time.time()

astr = collections.deque()

for x in range(1,2000000):
    astr.append(str(x))

bstr = str(astr)
t2 = time.time()

print(t2-t1)
# 0.938164234161377
# [Finished in 1.3s]

3、不提前申請空間的list

import time

t1 = time.time()

astr = []

for x in range(1,2000000):
    astr.append(str(x))

bstr = str(astr)
t2 = time.time()

print(t2-t1)

# 0.9456796646118164
# [Finished in 1.2s]

另做個測試：

import collections
import queue

print("Deque ID:")
astr1 = collections.deque()

for x in range(1,5):
    astr1.append(str(x))
    print(id(astr1))

print("Queue ID:")

astr2 = queue.Queue()

for x in range(1,5):
    astr2.put(str(x))
    print(id(astr2))

print("list ID:")

astr3 = []

for x in range(1,5):
    astr3.append(str(x))
    print(id(astr3))


# Deque ID:
# 1206229307464
# 1206229307464
# 1206229307464
# 1206229307464
# Queue ID:
# 1206225595416
# 1206225595416
# 1206225595416
# 1206225595416
# list ID:
# 1206229266760
# 1206229266760
# 1206229266760
# 1206229266760
# [Finished in 0.2s]

queue、deque其實可以很明顯看出，其均是依靠c的連結串列進行開發的（不需要提前申請空間），其地址亦不變化。更改一點之前的錯誤理解，python的list實現不是連結串列，而是動態陣列

當我們使用deque時，可以很明顯看到，我們的時間消耗已經差距很小了，與未提前申請空間的list接近一致，但經多次執行，還是可以發現，最快的依舊是已經申請了空間的list，我麼進一步去了解queue和deque可以發現其無法提前申請空間（可以理解為其職能分別從一端和兩段進行增加值，減值），及無法像list一樣可以通過list[下標]直接取值，所以綜上所述，list無疑是最快的~

補充，list的擴張空間機制

>>> test = []
>>> test.__sizeof__()
40
>>> test.append('a')
>>> test.__sizeof__()
72
>>> test.append('a')
>>> test.__sizeof__()
72
>>> test.append('a')
>>> test.__sizeof__()
72
>>> test.append('a')
>>> test.__sizeof__()
72
>>> test.append('a')
>>> test.__sizeof__()
104
>>>