Python的弱引用、控制台的_变量、WeakValueDictionary的介绍
弱引用
因为有引用，对象才能在内存中存在。当对象的引用数量归零后，垃圾回收程序会把对象销毁。
但是有时候需要引用对象，但是不想影响对象的生命周期，这经常用在缓存中。
弱引用不会增加对象的引用数量。引用的目标对象称为所指对象（referent）。因此弱引用不会妨碍所指对象被当做垃圾回收。
弱引用在缓存应用中很有用，因为我们不想因为缓存占用着对象，而不被回收。
使用weakref.ref获取所指对象的弱引用。如果对象存在，调用弱引用可以返回对象，否则返回None。
示例，使用weakref.ref创建对象的弱引用。
import weakref # weakref：弱引用
a_set = {1, 2}
wref = weakref.ref(a_set) # 创建一个对于a_set对象引用{1,2}的弱引用对象wred
print(wref)
print(wref()) # wref()会返回被引用的对象
a_set = {3, 4}
print(wref()) # 此时{1,2}已经没有了强引用，所以已经不存在了，这里返回None打印结果
{1, 2}
None
控制台的_变量
在Python的控制台会话中，控制台会自动把 _ 变量绑定到结果不为None的表达式结果上。这样对跟踪对象导致多了一个意料之外的引用。
以下是在控制台的演示：
>>> import weakref
>>> a_set = {1, 2}
>>> wref = weakref.ref(a_set)
>>> wref() # wref() 返回了被引用的对象
{1, 2}
>>> a_set = {3, 4} # 此时a_set已经不再指向{1,2}集合。但是控制台的_变量依然指向{1,2}。
>>> wref()
{1, 2}
>>> wref() is None # 计算这个表达式的时候，{0,1}存在所以不是None。但是随后变量_就绑定到了结果值False。然后{1,2}就没有强引用了。
False
>>> wref() is None
True
weakref模块的文档指出，weakref.ref类是底层接口，供高级用途使用，多数程序应该该是WeakKeyDictionary、WeakValueDictionary、weakset和finalize（在内部使用弱引用），不要自动动手创建并处理weakref.ref示例。
WeakValueDictionary的介绍
WeakValueDictionary类实现的是一种可变映射，里面的值是对象的弱引用。被引用的对象在程序的其他地方被垃圾回收后，对应的键会自动从WeakValueDictionary中删除。因此常用于缓存。
示例，简单的使用
import weakref
class Cheese:
"""各种奶酪"""
def __init__(self, kind):
self.kind = kind # 奶酪种类
def __repr__(self):
return 'Cheese(%r)' % self.kind
stock = weakref.WeakValueDictionary()
catalog = [Cheese('A'), Cheese('B'), Cheese('C'), Cheese('D'), ]
for cheese in catalog:
stock[cheese.kind] = cheese
print(sorted(stock.keys()))
del catalog
print(sorted(stock.keys())) # 删除catalog之后，还有'D',说明还存在一个强引用，那就是cheese保存了循环中的最后一个值
del cheese
print(sorted(stock.keys())) # 删除cheese后，所有强引用都没了，WeakValueDictionary也变为空了打印结果 ['A', 'B', 'C', 'D'] ['D'] []
知识点：
for x in list 循环中的x其实是全局变量，会一直存在，除非显式 的删除（del）。这就说明了上面代码中对象"D"的引用没有消失，因为还有cheese引用到了它。
比如这个简单的示例
for x in range(3):
print(x)
print(x) # x的结果为2
print(locals()) # 结果中可以找到'x': 2
弱引用的局限
不是所有的Python对象都可以作为弱引用的目标（或称所指对象）。
- list和dit实例不能作为所指对象，但是他们的子类可以解决这个问题：
import weakref
class MyList(list):
"""list的子类，实例可以作为弱引用的目标"""
my_list = MyList()wref_to_a_list = weakref.ref(my_list)
- set实例和用户自定义类型可以作为所指对象
- int和tuple实例不能作为弱引用的目标，甚至是子类也不行。
以上的这些局限，都是CPython的实现细节，在其他的Python解释器中的情况可能不一样。
Python对不可变类型的把戏
惊讶的发现，对于元组t来说，t[:]按照理解来说应该是做了浅拷贝生成了副本，但是返回的确实一个对象的引用。还有tuple(t)获得的也是同一个元组的引用。
>>> t = (1,2)
>>> t2 = t[:]
>>> t2 is t
True
>>> t3 = tuple(t)
>>> t3 is t
True
还有str、bytes和frozenset也有这种行为。但是frozenset实力不是序列，不能是使用fs[:],但是fs.copy()也有同样的效果，会返回一个对象的引用，而不是创建副本。
共享字符串字面量是一种优化措施，称为驻留（interning）。CPython还会在小的整数上用这个优化措施，防止重复创建“热门”数字，这就是小整数池
Python中，对于整数对象，如果其值处于[-5,256]的闭区间内，则值相同的对象是同一个对象
观察源码：
#ifndef NSMALLPOSINTS #define NSMALLPOSINTS 257 #endif #ifndef NSMALLNEGINTS #define NSMALLNEGINTS 5 #endif
从_PyInt_Init的实现上，我们可以看到被放入small_ints的数字范围是-5到256。因此，你可以通过修改源代码的方式，将这个范围任意的扩展。
以上一些列行为，是Python“善意的谎言”，能节省内存，提高解释器的速度。
简单的总结
- 简单的赋值不会创建副本。而是增加了别名。
- 对于+=或者*=这种增量赋值来说，如果左边的变量绑定是不可变对象，会创建新对象；如果是可变对象，会就地修改。
- 为现有的变量赋予新值，不会修改之前绑定的变量对象。这叫重新绑定：现在变量绑定了其他对象。如果变量是之前那个对象的最后一个引用，对象会被当做垃圾回收。
- 函数的参数以别名传递。这意味着函数可以修改通过参数传入的可变对象。除非在函数内创建副本，或者使用不可变对象，否则无法避免。
- 使用可变类型作为函数的参数的默认值很危险，如果就地修改了参数，默认值也就变了，这会影响以后使用默认值的调用。
- 在CPython中，对象的引用计数归零后，对象会被立即销毁。如果出了循环引用之外没有其他的引用，那这两个对象都会被销毁。
- 用户自定义的类，其实例默认是可变，多数面向对面语言都是如此。
- 可变性对象还是导致多线程编程难以处理的主要原因，因为某个线程改动对象后，如果不正确的同步，那就会损坏数据。但是过度的同步又会导致死锁。