当前位置:首页 > 文章列表 > 文章 > python教程 > Python列表切片与reversed内存区别

Python列表切片与reversed内存区别

2026-01-24 12:26:37 0浏览 收藏

本篇文章给大家分享《Python 列表切片与 reversed 内存差异解析》,覆盖了文章的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。

reversed(lst) 返回轻量迭代器,不复制元素、不占额外内存,仅支持单次遍历;lst[::-1] 立即生成新列表,内存开销约1.5–2倍;需索引或复用时选切片,仅遍历时选reversed。

Python 列表切片 lst[::-1] 和 reversed(lst) 内存使用量区别

reversed(lst) 返回的是迭代器,不立即占用额外内存

调用 reversed(lst) 只创建一个 list_reverseiterator 对象,内部不复制元素,也不生成新列表。它只是记住原列表的引用和当前索引位置,每次 next() 时才从尾部逐个取值。

  • 适合只遍历一次、且不需要随机访问的场景(比如 for x in reversed(lst): ...)
  • 如果直接转成列表:list(reversed(lst)),就会立刻分配新内存,和 lst[::-1] 消耗基本一致
  • 不能用下标访问:reversed(lst)[0] 会报 TypeError: 'list_reverseiterator' object is not subscriptable

lst[::-1] 立即生成新列表,内存开销是原列表的约 1.5–2 倍

lst[::-1] 是切片操作,在 CPython 中会触发 PyList_New 分配新列表对象,并逐个拷贝引用(注意:不是深拷贝,只是对象引用)。实际内存占用 ≈ 原列表本身 + 新列表头结构 + 新列表的指针数组。

  • 对含 100 万个整数的列表,lst[::-1] 会多占约 8MB(64 位系统下每个指针 8 字节 × 10⁶)
  • 如果原列表后续不再使用,可考虑用 lst.reverse() 原地翻转,零额外内存
  • 切片结果是完整列表,支持索引、长度查询、重复使用,但代价是“一次性全量分配”

真实内存对比可以用 sys.getsizeof 验证

注意 sys.getsizeof 只统计对象自身内存,不包含所引用对象(如列表里的字符串),但足以比较容器开销:

import sys
lst = list(range(100000))
print(sys.getsizeof(lst))           # 例如:800096 字节
print(sys.getsizeof(lst[::-1]))     # 基本相同,略大几十字节(新 list 头开销)
print(sys.getsizeof(reversed(lst))) # 很小,通常 48 或 56 字节

若再执行 list(reversed(lst)),其 sys.getsizeof 结果就和 lst[::-1] 几乎一致。

选哪个,关键看是否需要“列表行为”

不要只看“谁更省内存”,要看代码上下文真正需要什么:

  • 要 for 遍历 → 优先 reversed(lst),轻量又语义清晰
  • 要 lst_rev[5] 或 lst_rev * 2 → 必须用 lst[::-1] 或 list(reversed(lst))
  • 原列表后续废弃且允许修改 → lst.reverse() 是最省内存的原地方案
  • 在生成器链中嵌套翻转(如 map(..., reversed(lst)))→ 迭代器优势明显,避免中间列表膨胀

容易被忽略的是:哪怕只写了一行 reversed(lst),只要没被消费,它就几乎不占内存;而 lst[::-1] 这个动作本身,就已经完成了全部内存分配。

终于介绍完啦!小伙伴们,这篇关于《Python列表切片与reversed内存区别》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

ChatGPT国内最新使用教程2026ChatGPT国内最新使用教程2026
上一篇
ChatGPT国内最新使用教程2026
1度电等于1000瓦时,1000瓦用1小时耗1度电
下一篇
1度电等于1000瓦时,1000瓦用1小时耗1度电
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    374次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    444次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    451次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    397次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    223次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码