使用list.clear()与赋值空列表的性能差异及原因探究

两种清空列表的方式在底层实现上完全不同，这直接导致了它们在不同场景下的性能差异：

两种操作的本质区别 #

• a = []：创建一个全新的空列表实例，原来的列表对象因为失去所有引用，会被Python的垃圾回收器处理。
• a.clear()：在原有列表实例上清空内部元素，保留列表本身的内存结构（比如已经分配好的底层数组空间）。

小列表场景：clear()更快 #

对于元素数量少的小列表，clear()的操作极其轻量化——它只需要把列表的长度标记（内部的ob_size字段）设为0，不需要遍历元素，也不需要调整底层数组的内存。而a = []则需要创建一个新的空列表对象，虽然空列表的初始化开销很低，但相比直接修改现有对象的一个属性，多了对象创建的完整流程（比如初始化列表结构体、分配默认的小内存块），所以会慢约7%，和测试结果完全匹配。

对应的测试代码：

$ python --version
Python 3.11.0
$ python -m timeit 'a = [1, 2, 3, 4]; a= []'    
5000000 loops, best of 5: 61.5 nsec per loop
$ python -m timeit 'a = [1, 2, 3, 4]; a.clear()'
5000000 loops, best of 5: 57.4 nsec per loop

大列表场景：a = []更快 #

当列表包含大量元素时，clear()必须遍历列表中的每一个元素，将它们的引用计数减1，标记为可回收；同时会保留原列表的底层数组空间（这个优化是为了后续添加元素时避免重新分配内存，但在当前测试场景下完全用不上）。而a = []只是创建新的空列表，原来的大列表对象的引用计数直接归零，垃圾回收器可以一次性处理整个对象，不需要逐个遍历元素修改引用计数。对于10000个元素的列表来说，遍历所有元素的开销远大于创建新空列表+回收旧对象的总开销，所以a = []的整体速度更快。

对应的测试代码：

$ python -m timeit 'a = list(range(10_000)); a = []'   
2000 loops, best of 5: 134 usec per loop
$ python -m timeit 'a = list(range(10_000)); a = []'
2000 loops, best of 5: 132 usec per loop
$ python -m timeit 'a = list(range(10_000)); a = []'
2000 loops, best of 5: 134 usec per loop
$ python -m timeit 'a = list(range(10_000)); a.clear()'
2000 loops, best of 5: 143 usec per loop
$ python -m timeit 'a = list(range(10_000)); a.clear()'
2000 loops, best of 5: 139 usec per loop
$ python -m timeit 'a = list(range(10_000)); a.clear()'
2000 loops, best of 5: 139 usec per loop

内容的提问来源于stack exchange，提问作者Martin Thoma