先從較淺的層面來說，Python的記憶體管理機制可以從三個方面來講
（1）垃圾回收
（2）引用計數
（3）記憶體池機制
一、垃圾回收：
python不像C++，Java等語言一樣，他們可以不用事先宣告變數型別而直接對變數進行賦值。對Python語言來講，物件的型別和記憶體都是
在執行時確定的。這也是為什麼我們稱Python語言為動態型別的原因（這裡我們把動態型別可以簡單的歸結為對變數記憶體地址的分配是在執行時自動判斷變數
型別並對變數進行賦值）。
二、引用計數：
Python採用了類似Windows核心物件一樣的方式來對記憶體進行管理。每一個物件，都維護這一個對指向該對物件的引用的計數。如圖所示（圖片來自Python核心程式設計）
x = 3.14
y = x
我們首先建立了一個物件3.14， 然後將這個浮點數物件的引用賦值給x，因為x是第一個引用，因此，這個浮點數物件的引用計數為1. 語句y =
x建立了一個指向同一個物件的引用別名y，我們發現，並沒有為Y建立一個新的物件，而是將Y也指向了x指向的浮點數物件，使其引用計數為2.
我們可以很容易就證明上述的觀點：
變數a 和 變數b的id一致(我們可以將id值想象為C中變數的指標).
我們援引另一個網址的圖片來說明問題：對於C語言來講，我們建立一個變數A時就會為為該變數申請一個記憶體空間，並將變數值
放入該空間中,當將該變數賦給另一變數B時會為B申請一個新的記憶體空間，並將變數值放入到B的記憶體空間中，這也是為什麼A和B的指標不一致的原因。如圖：
而Python的情況卻不一樣，實際上，Python的處理方式和Javascript有點類似，如圖所示，變數更像是附在物件上的標籤(和引用的
定義類似)。當變數被繫結在一個物件上的時候，該變數的引用計數就是1，(還有另外一些情況也會導致變數引用計數的增加),系統會自動維護這些標籤，並定
時掃描，當某標籤的引用計數變為0的時候，該對就會被回收。
三、記憶體池機制
Python的記憶體機制以金字塔行，-1，-2層主要有作業系統進行操作，
第0層是C中的malloc，free等記憶體分配和釋放函式進行操作；
第1層和第2層是記憶體池，有Python的介面函式PyMem_Malloc函式實現，當物件小於256K時有該層直接分配記憶體；
第3層是最上層，也就是我們對Python物件的直接操作；
在 C 中如果頻繁的呼叫 malloc 與 free 時,是會產生效能問題的.再加上頻繁的分配與釋放小塊的記憶體會產生記憶體碎片. Python 在這裡主要乾的工作有:
如果請求分配的記憶體在1~256位元組之間就使用自己的記憶體管理系統,否則直接使用 malloc.
這裡還是會呼叫 malloc 分配記憶體,但每次會分配一塊大小為256k的大塊記憶體.
經由記憶體池登記的記憶體到最後還是會回收到記憶體池,並不會呼叫 C 的 free
釋放掉.以便下次使用.對於簡單的Python物件，例如數值、字串，元組（tuple不允許被更改)採用的是複製的方式(深複製?)，也就是說當將另
一個變數B賦值給變數A時，雖然A和B的記憶體空間仍然相同，但當A的值發生變化時，會重新給A分配空間，A和B的地址變得不再相同；
而對於像字典(dict)，列表(List)等，改變一個就會引起另一個的改變，也稱之為淺複製：
附錄：
引用計數增加
1.物件被建立：x=4
2.另外的別人被建立：y=x
3.被作為引數傳遞給函式：foo(x)
4.作為容器物件的一個元素：a=[1,x,’33’]
引用計數減少
1.一個本地引用離開了它的作用域。比如上面的foo(x)函式結束時，x指向的物件引用減1。
2.物件的別名被顯式的銷燬：del x ；或者del y
3.物件的一個別名被賦值給其他物件：x=789
4.物件從一個視窗物件中移除：myList.remove(x)
5.視窗物件本身被銷燬：del myList，或者視窗物件本身離開了作用域。
垃圾回收
1、當記憶體中有不再使用的部分時，垃圾收集器就會把他們清理掉。它會去檢查那些引用計數為0的物件，然後清除其在記憶體的空間。當然除了引用計數為0的會被清除，還有一種情況也會被垃圾收集器清掉：當兩個物件相互引用時，他們本身其他的引用已經為0了。
2、垃圾回收機制還有一個迴圈垃圾回收器, 確保釋放迴圈引用物件(a引用b, b引用a, 導致其引用計數永遠不為0)。
先從較淺的層面來說，Python的記憶體管理機制可以從三個方面來講
（1）垃圾回收
（2）引用計數
（3）記憶體池機制
一、垃圾回收：
python不像C++，Java等語言一樣，他們可以不用事先宣告變數型別而直接對變數進行賦值。對Python語言來講，物件的型別和記憶體都是
在執行時確定的。這也是為什麼我們稱Python語言為動態型別的原因（這裡我們把動態型別可以簡單的歸結為對變數記憶體地址的分配是在執行時自動判斷變數
型別並對變數進行賦值）。
二、引用計數：
Python採用了類似Windows核心物件一樣的方式來對記憶體進行管理。每一個物件，都維護這一個對指向該對物件的引用的計數。如圖所示（圖片來自Python核心程式設計）
x = 3.14
y = x
我們首先建立了一個物件3.14， 然後將這個浮點數物件的引用賦值給x，因為x是第一個引用，因此，這個浮點數物件的引用計數為1. 語句y =
x建立了一個指向同一個物件的引用別名y，我們發現，並沒有為Y建立一個新的物件，而是將Y也指向了x指向的浮點數物件，使其引用計數為2.
我們可以很容易就證明上述的觀點：
變數a 和 變數b的id一致(我們可以將id值想象為C中變數的指標).
我們援引另一個網址的圖片來說明問題：對於C語言來講，我們建立一個變數A時就會為為該變數申請一個記憶體空間，並將變數值
放入該空間中,當將該變數賦給另一變數B時會為B申請一個新的記憶體空間，並將變數值放入到B的記憶體空間中，這也是為什麼A和B的指標不一致的原因。如圖：
而Python的情況卻不一樣，實際上，Python的處理方式和Javascript有點類似，如圖所示，變數更像是附在物件上的標籤(和引用的
定義類似)。當變數被繫結在一個物件上的時候，該變數的引用計數就是1，(還有另外一些情況也會導致變數引用計數的增加),系統會自動維護這些標籤，並定
時掃描，當某標籤的引用計數變為0的時候，該對就會被回收。
三、記憶體池機制
Python的記憶體機制以金字塔行，-1，-2層主要有作業系統進行操作，
第0層是C中的malloc，free等記憶體分配和釋放函式進行操作；
第1層和第2層是記憶體池，有Python的介面函式PyMem_Malloc函式實現，當物件小於256K時有該層直接分配記憶體；
第3層是最上層，也就是我們對Python物件的直接操作；
在 C 中如果頻繁的呼叫 malloc 與 free 時,是會產生效能問題的.再加上頻繁的分配與釋放小塊的記憶體會產生記憶體碎片. Python 在這裡主要乾的工作有:
如果請求分配的記憶體在1~256位元組之間就使用自己的記憶體管理系統,否則直接使用 malloc.
這裡還是會呼叫 malloc 分配記憶體,但每次會分配一塊大小為256k的大塊記憶體.
經由記憶體池登記的記憶體到最後還是會回收到記憶體池,並不會呼叫 C 的 free
釋放掉.以便下次使用.對於簡單的Python物件，例如數值、字串，元組（tuple不允許被更改)採用的是複製的方式(深複製?)，也就是說當將另
一個變數B賦值給變數A時，雖然A和B的記憶體空間仍然相同，但當A的值發生變化時，會重新給A分配空間，A和B的地址變得不再相同；
而對於像字典(dict)，列表(List)等，改變一個就會引起另一個的改變，也稱之為淺複製：
附錄：
引用計數增加
1.物件被建立：x=4
2.另外的別人被建立：y=x
3.被作為引數傳遞給函式：foo(x)
4.作為容器物件的一個元素：a=[1,x,’33’]
引用計數減少
1.一個本地引用離開了它的作用域。比如上面的foo(x)函式結束時，x指向的物件引用減1。
2.物件的別名被顯式的銷燬：del x ；或者del y
3.物件的一個別名被賦值給其他物件：x=789
4.物件從一個視窗物件中移除：myList.remove(x)
5.視窗物件本身被銷燬：del myList，或者視窗物件本身離開了作用域。
垃圾回收
1、當記憶體中有不再使用的部分時，垃圾收集器就會把他們清理掉。它會去檢查那些引用計數為0的物件，然後清除其在記憶體的空間。當然除了引用計數為0的會被清除，還有一種情況也會被垃圾收集器清掉：當兩個物件相互引用時，他們本身其他的引用已經為0了。
2、垃圾回收機制還有一個迴圈垃圾回收器, 確保釋放迴圈引用物件(a引用b, b引用a, 導致其引用計數永遠不為0)。