Python森林燃烧模型优化：清空现有对象还是新建对象性能更佳？

先修正代码问题 #

你当前的示例代码有两处可修正的问题：

1. 类名拼写不一致：定义时是BurningForrest，调用时写的是BurningForest
2. B写法的clear_all调用错误：这是实例方法，正确写法是x.clear_all(8)，不需要重新赋值给x

性能差异结论 #

你这种大量蒙特卡洛重复实验的场景下，B写法（复用现有对象修改属性）的性能远优于A写法（每次新建对象覆盖），核心原因有三个：

• 创建新对象需要走实例初始化、分配新内存的流程，旧对象被覆盖后还要等待Python垃圾回收机制回收，迭代量极大的情况下，这部分开销会被显著放大，频繁的对象创建销毁还可能触发额外的GC停顿，甚至成为你之前内存错误的诱因之一
• 修改属性只是O(1)的赋值操作，哪怕你需要修改80%的实例属性，开销也远低于新建对象的开销，如果后续类属性扩展为大列表、数组这类大对象，复用的优势会更明显
• 内存占用上，复用对象的内存占用全程稳定，不会随迭代次数增加累积，更不容易触发内存溢出

写法优化建议 #

如果你的迭代之间不需要保留上一轮的任何状态，优先选择B写法，同时可以对clear_all方法做小优化，支持传入所有迭代需要的参数，避免漏改属性导致逻辑bug：

def reset(self, L, p):
    self.L = L
    self.p = p
    self.burning_list.clear() # 用列表自带的clear方法比重新赋值空列表更高效

你可以自己用timeit跑简单测试验证性能差：

import timeit

class BurningForest:
    def __init__(self, L, p):
        self.L = L
        self.p = p
        self.burning_list = []

    def dostuff(self):
        self.L += 5
        self.burning_list.append(self.L)

    def reset(self, L, p):
        self.L = L
        self.p = p
        self.burning_list.clear()

def test_new_obj():
    for _ in range(1000):
        x = BurningForest(5, 0.2)
        x.dostuff()

def test_reuse_obj():
    x = BurningForest(5, 0.2)
    for _ in range(1000):
        x.dostuff()
        x.reset(5, 0.2)

print("新建对象耗时：", timeit.timeit(test_new_obj, number=1000))
print("复用对象耗时：", timeit.timeit(test_reuse_obj, number=1000))

通常复用对象的耗时会是新建对象的1/3~1/2，数据量越大优势越突出。

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