为何Python del关键字无法释放Numpy数组列表内存？如何解决？

现象原因 #

1. 列表的列表内存能正常释放 #

第一段代码里的a是Python内置列表组成的列表，所有元素（内层列表、整数0）都是Python原生对象，它们的内存完全由Python的垃圾回收（GC）机制管理。当执行del a后，整个列表以及内部所有对象的引用计数直接归零，Python GC会立即回收这些内存，所以系统内存很快恢复到初始状态。

2. Numpy数组列表内存无法自动释放 #

第二段代码里的b是Numpy数组组成的列表，Numpy数组的实际数据存储在C语言分配的堆外内存中，Python层面的np.ndarray对象只是一个“包装器”，持有指向C层内存的指针：

• 执行del b时，只是删除了Python层面的列表对象，以及每个Numpy数组的包装器对象，但这些包装器的引用计数归零后，Numpy不会立刻主动释放C层内存；
• 另外，Python的GC默认不会主动清理这些包装器对象（除非内存压力很大），再加上系统内存回收机制（比如Linux的页缓存）的延迟，导致Colab显示的内存没有变化。

释放内存的方法 #

要彻底释放b占用的内存，可以按以下步骤操作：

import gc
import numpy as np

# 先清空列表，让所有Numpy数组的包装器失去引用
b.clear()
# 删除列表本身
del b
# 强制触发Python垃圾回收，清理包装器对象，进而触发Numpy释放C层内存
gc.collect()

也可以简化为：

import gc
del b
gc.collect()

先调用clear()能更快让内部数组的引用计数归零，加速内存释放。如果只是临时使用单个Numpy数组，也可以在不需要时直接del b[i]，避免大量内存堆积。

内容的提问来源于stack exchange，提问作者maximus_ow