Python内存管理依靠引用计数（即时释放）和垃圾回收（处理循环引用）协同工作；引用计数增减由赋值、作用域等操作触发，gc模块用标记-清除算法回收循环引用，分三代优化效率。
Python的内存管理主要靠引用计数和垃圾回收（GC）协同工作，理解这两者能帮你写出更高效、更少内存泄漏的代码。
引用计数：Python内存管理的“主力机制”
每个Python对象内部都维护一个引用计数器，记录当前有多少变量或数据结构正指向它。当计数变为0时，对象立即被释放。
- 赋值、传参、放入容器（如列表、字典）都会使引用计数+1
- 变量重新赋值、离开作用域、从容器中删除等操作会使引用计数−1
- 可用sys.getrefcount(obj)查看当前引用数（注意：调用它本身会临时+1）
- 循环引用是引用计数无法处理的典型场景——比如两个对象互相持有对方的引用，即使外部已无引用，它们的计数也不为0
垃圾回收器（gc模块）：专治循环引用
Python内置的gc模块使用“标记-清除”算法定期扫描并回收不可达的循环引用对象。
- 默认启用，通常无需手动干预；可通过gc.disable()/gc.enable()控制
- 调用gc.collect()可强制触发一次回收（常用于调试或关键内存释放点）
- gc.get_stats()可查看各代回收统计，帮助判断是否频繁触发
- 对象按“存活时间”分为三代，新对象在第0代，经多次回收未被清理则升代；老年代回收频率更低，提升效率
常见问题与实用建议
实际开发中，不少内存问题源于对这两套机制的误判或忽略：
立即学习“Python免费学习笔记（深入）”；
- 避免在类中定义大对象并长期持有（如缓存图片、DataFrame），及时del或设为None有助于提前降低引用计数
- 使用weakref模块创建弱引用，可打破循环引用又不阻碍对象回收（适合缓存、观察者模式等场景）
- 全局变量、模块级字典、闭包中的自由变量都可能意外延长对象生命周期，需特别留意
- 用objgraph或tracemalloc辅助定位内存增长源头，比盲目调gc更有效
不复杂但容易忽略。掌握引用计数的即时性与GC的兜底角色，就能在多数场景下稳住内存表现。
