Python函数惰性存储与代码执行：忽略返回值的内存浪费问题

嘿，这个问题真的说到点子上了——很多人一开始都会和你有一样的天真想法，以为用_就能让编译器跳过不必要的计算，结果实际调试才发现根本不是那么回事！我来给你拆解清楚这里的逻辑，以及怎么解决这个问题。

先搞懂为什么_没用 #

首先得明确两个关键事实：

• 函数的所有代码都会完整执行：Python里调用函数时，是先把整个函数的逻辑跑完，生成所有返回值，才会进行解构赋值。所以不管你用不用某个返回值，函数里生成它的代码已经全部执行了，不存在“编译器跳过这部分”的情况——这是Python函数调用的机制决定的，和编译器优化无关。
• _就是个普通变量：虽然大家约定俗成用_来表示“不需要的变量”，但它本质上和你定义的a、b没有区别，会占用内存存储对应的返回值。如果返回的是大对象（比如几GB的数据集、复杂的嵌套结构），确实会造成不必要的内存浪费。

解决方法分场景来看 #

1. 自己写的函数：从根源控制返回逻辑 #

如果函数是你自己实现的，最彻底的办法是给函数加参数，让它可以按需生成返回值。比如：

def fn_with_two_outputs(need_second_result=True):
    # 第一个结果的计算逻辑
    result_a = heavy_computation_for_a()
    # 只有需要第二个结果时才执行对应的计算
    result_b = heavy_computation_for_b() if need_second_result else None
    return result_a, result_b

当你不需要第二个结果时，直接调用：

a, _ = fn_with_two_outputs(need_second_result=False)

这样不仅不会生成不需要的result_b，连对应的计算逻辑都跳过了，完美解决内存和CPU的浪费。

2. 用生成器实现惰性求值 #

如果返回值的生成可以拆分步骤，把函数改成生成器是个非常好的选择。生成器是惰性的，只有当你主动去取结果时，才会执行对应的代码：

def fn_lazy_outputs():
    # 第一个结果的计算，只有调用next()时才执行
    yield heavy_computation_for_a()
    # 第二个结果的计算，只有再次调用next()时才执行
    yield heavy_computation_for_b()

调用的时候，只取你需要的部分：

gen = fn_lazy_outputs()
a = next(gen)
# 不调用next(gen)的话，第二个计算永远不会触发，也不会占用内存

这种方式完全避免了不必要的计算和内存开销，特别适合返回值生成成本高的场景。

3. 第三方函数：只能优化内存，没法跳过计算 #

如果函数是第三方库提供的，没法修改内部逻辑，那调用它时必然会执行所有代码并生成所有返回值。这时候你能做的只有尽量减少内存浪费：

import gc

a, _ = third_party_heavy_fn()
# 手动删除不需要的变量，触发垃圾回收
del _
gc.collect()

不过要注意，这种方法只能回收内存，函数里的计算已经跑完了，CPU开销是没法挽回的。如果经常遇到这种情况，建议看看第三方库有没有提供更轻量化的API，或者考虑封装一层，只提取你需要的返回值，但本质上还是绕不开函数的完整执行。

额外提个小知识点 #

在IPython这类交互式环境里，_是个特殊变量，用来存储上一次执行的输出结果，但在普通Python脚本里，它就是个普通的用户定义变量，没有任何特殊处理。

内容的提问来源于stack exchange，提问作者Honeybear