Python 的垃圾回收機(jī)制通過引用計(jì)數(shù)來決定一個對象要不要被回收。當(dāng)一個對象被引用次數(shù)為0時，它就會被作為垃圾回收從而釋放 Python 內(nèi)存。

[[314349]]

但有些情況下，我們的代碼可能在不經(jīng)意間導(dǎo)致某些實(shí)際上我們不再使用的對象的引用計(jì)數(shù)始終大于0，從而無法被垃圾回收。

我們舉個例子：

很多人喜歡使用字典來存放一些數(shù)據(jù)，假設(shè)我現(xiàn)在有一個字典是這樣的：

animal = {'Monkey': monkey_obj, 'Tiger': tiger_obj, 'Panda': panda_obj} 

其中monkey_obj, tiger_obj, panda_obj都是對象。在我們的程序中，可能會傳入不同的字符串來讀取不同的對象。當(dāng)我們把這些對象放進(jìn)字典中的時候，它的引用計(jì)數(shù)已經(jīng)被+1了。

但是，panda_obj這個對象比較特殊，它只會在程序運(yùn)行的早期被查出來使用1次。之后就再也不會使用了。

但由于這個對象被放在字典里面，所以這個對象的引用計(jì)數(shù)始終大于0，Python 的垃圾回收機(jī)制就會認(rèn)為這個對象還會被使用，于是它就會始終占用內(nèi)存。

在數(shù)據(jù)處理領(lǐng)域或者圖像處理領(lǐng)域，經(jīng)常會出現(xiàn)字典的值占用大量內(nèi)存的情況，這種情況就會導(dǎo)致內(nèi)存的浪費(fèi)。

為了解決這種情況，我們可以使用 Python 自帶的weakref模塊，它里面有一個WeakValueDictionary，就是用來處理這種情況的。

我們來看看如何使用它：

import weakref 
class Panda: 
    def __init__(self, name): 
        self.name = name 
     
    def walk(self): 
        print('我是一只熊貓，正在走路') 
 
class Tiger: 
    pass 
 
 
class Monkey: 
    pass 
panda = Panda('xyz') 
tiger = Tiger() 
Monkey = Monkey() 
 
 
weak_dict = weakref.WeakValueDictionary() 
weak_dict['Panda'] = panda 
weak_dict['Tiger'] = tiger 
weak_dict['Monkey'] = moneky 

使用 weak_dict 就像使用普通的字典一樣。但賦值時，值的引用計(jì)數(shù)不會改變。

這樣當(dāng)我們在其他地方刪除panda這個字典時，就不會由于字典占用了一個引用計(jì)數(shù)而導(dǎo)致無法被垃圾回收問題。