python中的堆棧什么意思

堆棧是一種執行“后進先出”算法的數據結構。

創新互聯堅持“要么做到，要么別承諾”的工作理念，服務領域包括：成都做網站、網站制作、企業官網、英文網站、手機端網站、網站推廣等服務，滿足客戶于互聯網時代的壺關網站設計、移動媒體設計的需求，幫助企業找到有效的互聯網解決方案。努力成為您成熟可靠的網絡建設合作伙伴！

設想有一個直徑不大、一端開口一端封閉的竹筒。有若干個寫有編號的小球，小球的直徑比竹筒的直徑略小。現在把不同編號的小球放到

竹筒里面，可以發現一種規律：先放進去的小球只能后拿出來，反之，后放進去的小球能夠先拿出來。所以“先進后出”就是這種結構的

特點。

堆棧是計算機中最常用的一種數據結構，比如函數的調用在計算機中是用堆棧實現的。 堆棧可以用數組存儲，也可以用以后會介紹的鏈

表存儲。

堆棧就是這樣一種數據結構。它是在內存中開辟一個存儲區域，數據一個一個順序地存入（也就是“壓入——push”）這個區域之中。

有一個地址指針總指向最后一個壓入堆棧的數據所在的數據單元，存放這個地址指針的寄存器就叫做堆棧指示器。開始放入數據的單元叫

做“棧底”。數據一個一個地存入，這個過程叫做“壓棧”。在壓棧的過程中，每有一個數據壓入堆棧，就放在和前一個單元相連的后面

一個單元中，堆棧指示器中的地址自動加1。讀取這些數據時，按照堆棧指示器中的地址讀取數據，堆棧指示器中的地址數自動減 1。這

個過程叫做“彈出pop”。如此就實現了后進先出的原則。

推薦學習《python教程》。

python堆和棧的區別有哪些

堆（Heap）與棧（Stack）是開發人員必須面對的兩個概念，在理解這兩個概念時，需要放到具體的場景下，因為不同場景下，堆與棧代表不同的含義。一般情況下，有兩層含義：

（1）程序內存布局場景下，堆與棧表示的是兩種內存管理方式；

（2）數據結構場景下，堆與棧表示兩種常用的數據結構。

相關推薦：《Python教程》

堆與棧實際上是操作系統對進程占用的內存空間的兩種管理方式，主要有如下幾種區別：

（1）管理方式不同。棧由操作系統自動分配釋放，無需我們手動控制；堆的申請和釋放工作由程序員控制，容易產生內存泄漏；

（2）空間大小不同。每個進程擁有的棧的大小要遠遠小于堆的大小。理論上，程序員可申請的堆大小為虛擬內存的大小，進程棧的大小 64bits 的 Windows 默認 1MB，64bits 的 Linux 默認 10MB；

（3）生長方向不同。堆的生長方向向上，內存地址由低到高；棧的生長方向向下，內存地址由高到低。

（4）分配方式不同。堆都是動態分配的，沒有靜態分配的堆。棧有2種分配方式：靜態分配和動態分配。靜態分配是由操作系統完成的，比如局部變量的分配。動態分配由alloca函數進行分配，但是棧的動態分配和堆是不同的，他的動態分配是由操作系統進行釋放，無需我們手工實現。

（5）分配效率不同。棧由操作系統自動分配，會在硬件層級對棧提供支持：分配專門的寄存器存放棧的地址，壓棧出棧都有專門的指令執行，這就決定了棧的效率比較高。堆則是由C/C++提供的庫函數或運算符來完成申請與管理，實現機制較為復雜，頻繁的內存申請容易產生內存碎片。顯然，堆的效率比棧要低得多。

（6）存放內容不同。棧存放的內容，函數返回地址、相關參數、局部變量和寄存器內容等。當主函數調用另外一個函數的時候，要對當前函數執行斷點進行保存，需要使用棧來實現，首先入棧的是主函數下一條語句的地址，即擴展指針寄存器的內容（EIP），然后是當前棧幀的底部地址，即擴展基址指針寄存器內容（EBP），再然后是被調函數的實參等，一般情況下是按照從右向左的順序入棧，之后是被調函數的局部變量，注意靜態變量是存放在數據段或者BSS段，是不入棧的。出棧的順序正好相反，最終棧頂指向主函數下一條語句的地址，主程序又從該地址開始執行。堆，一般情況堆頂使用一個字節的空間來存放堆的大小，而堆中具體存放內容是由程序員來填充的。

從以上可以看到，堆和棧相比，由于大量malloc()/free()或new/delete的使用，容易造成大量的內存碎片，并且可能引發用戶態和核心態的切換，效率較低。棧相比于堆，在程序中應用較為廣泛，最常見的是函數的調用過程由棧來實現，函數返回地址、EBP、實參和局部變量都采用棧的方式存放。雖然棧有眾多的好處，但是由于和堆相比不是那么靈活，有時候分配大量的內存空間，主要還是用堆。

無論是堆還是棧，在內存使用時都要防止非法越界，越界導致的非法內存訪問可能會摧毀程序的堆、棧數據，輕則導致程序運行處于不確定狀態，獲取不到預期結果，重則導致程序異常崩潰，這些都是我們編程時與內存打交道時應該注意的問題。

python中,任何傳入的參數都會以副本的形式存在于函數中嘛?這句話對嗎?

可以這么說。實際上參數是存放在屬于函數的棧里面。函數運行完成，釋放占用的棧。

Python語言如何實現包含min函數的棧

僅供參考

# coding=utf8

'''

題目：定義棧的數據結構，請在該類型中實現一個能夠得到棧的最小元素的min函數。

在該棧中，調用min、push及pop的時間復雜度都是O(1)。

'''

class Stack():

def __init__(self):

self.main_stack = []

# 輔助棧，每次次最小的元素壓入輔助棧

self.assist_stack = []

# 記錄棧中的最小元素

self._min = None

def min(self):

return self._min

def push(self, data):

self.main_stack.append(data)

if self._min is None:

self._min = data

else:

if data self._min:

self._min = data

# 將最小的元素壓入輔助棧

self.assist_stack.append(self._min)

def pop(self):

if len(self.main_stack) == 0:

raise Exception('no data')

elif len(self.main_stack) == 1:

self.assist_stack.pop()

self._min = None

return self.main_stack.pop()

else:

self.assist_stack.pop()

self._min = self.assist_stack[-1]

return self.main_stack.pop()

if __name__ == '__main__':

s = Stack()

s.push(3)

s.push(4)

s.push(2)

s.push(1)

print s.min()

s.pop()

s.pop()

print s.min()

s.pop()

print s.min()

s.pop()

print s.min()

s.pop()

Python對象

眾所周知，Python是一門面向對象的語言，在Python無論是數值、字符串、函數亦或是類型、類，都是對象。

對象是在 堆 上分配的結構，我們定義的所有變量、函數等，都存儲于堆內存，而變量名、函數名則是一個存儲于 棧 中、指向堆中具體結構的引用。

要想深入學習Python，首先需要知道Python對象的定義。

我們通常說的Python都是指CPython，底層由C語言實現，源碼地址： cpython [GitHub]

Python對象的定義位于 Include/object.h ，是一個名為 PyObject 的結構體：

Python中的所有對象都繼承自PyObejct，PyObject包含一個用于垃圾回收的雙向鏈表，一個引用計數變量 ob_refcnt 和 一個類型對象指針 ob_type

從PyObejct的注釋中，我們可以看到這樣一句：每個指向 可變大小Python對象 的指針也可以轉換為 PyVarObject* （可變大小的Python對象會在下文中解釋）。 PyVarObejct 就是在PyObject的基礎上多了一個 ob_size 字段，用于存儲元素個數：

在PyObject結構中，還有一個類型對象指針 ob_type ，用于表示Python對象是什么類型，定義Python對象類型的是一個 PyTypeObject 接口體

實際定義是位于 Include/cpython/object.h 的 _typeobject ：

在這個類型對象中，不僅包含了對象的類型，還包含了如分配內存大小、對象標準操作等信息，主要分為：

以Python中的 int類型 為例，int類型對象的定義如下：

從PyObject的定義中我們知道，每個對象的 ob_type 都要指向一個具體的類型對象，比如一個數值型對象 100 ，它的ob_type會指向 int類型對象PyLong_Type 。

PyTypeObject結構體第一行是一個PyObject_VAR_HEAD宏，查看宏定義可知PyTypeObject是一個變長對象

也就是說，歸根結底 類型對象也是一個對象 ，也有ob_type屬性，那 PyLong_Type 的 ob_type 是什么呢？

回到PyLong_Type的定義，第一行 PyVarObject_HEAD_INIT(PyType_Type, 0) ，查看對應的宏定義

由以上關系可以知道， PyVarObject_HEAD_INIT(PyType_Type, 0) = { { _PyObject_EXTRA_INIT 1, PyType_Type } 0} ，將其代入 PyObject_VAR_HEAD ，得到一個變長對象：

這樣看就很明確了，PyLong_Type的類型就是PyType_Typ，同理可知， Python類型對象的類型就是PyType_Type ，而 PyType_Type對象的類型是它本身

從上述內容中，我們知道了對象和對象類型的定義，那么根據定義，對象可以有以下兩種分類

Python對象定義有 PyObject 和 PyVarObject ，因此，根據對象大小是否可變的區別，Python對象可以劃分為 可變對象（變長對象） 和 不可變對象（定長對象）

原本的對象a大小并沒有改變，只是s引用的對象改變了。這里的對象a、對象b就是定長對象

可以看到，變量l仍然指向對象a，只是對象a的內容發生了改變，數據量變大了。這里的對象a就是變長對象

由于存在以上特性，所以使用這兩種對象還會帶來一種區別：

聲明 s2 = s ，修改s的值： s = 'new string' ，s2的值不會一起改變，因為只是s指向了一個新的對象，s2指向的舊對象的值并沒有發生改變

聲明 l2 = l ，修改l的值： l.append(6) ，此時l2的值會一起改變，因為l和l2指向的是同一個對象，而該對象的內容被l修改了

此外，對于 字符串 對象，Python還有一套內存復用機制，如果兩個字符串變量值相同，那它們將共用同一個對象：

對于 數值型 對象，Python會默認創建0~2 8 以內的整數對象，也就是 0 ~ 256 之間的數值對象是共用的：

按照Python數據類型，對象可分為以下幾類：

Python創建對象有兩種方式，泛型API和和類型相關的API

這類API通常以 PyObject_xxx 的形式命名，可以應用在任意Python對象上，如:

使用 PyObjecg_New 創建一個數值型對象：

這類API通常只能作用于一種類型的對象上，如：

使用 PyLong_FromLong 創建一個數值型對象：

在我們使用Python聲明變量的時候，并不需要為變量指派類型，在給變量賦值的時候，可以賦值任意類型數據，如：

從Python對象的定義我們已經可以知曉造成這個特點的原因了，Python創建對象時，會分配內存進行初始化，然后Python內部通過 PyObject* 變量來維護這個對象，所以在Python內部各函數直接傳遞的都是一種泛型指針 PyObject* ，這個指針所指向的對象類型是不固定的，只能通過所指對象的 ob_type 屬性動態進行判斷，而Python正是通過 ob_type 實現了多態機制

Python在管理維護對象時，通過引用計數來判斷內存中的對象是否需要被銷毀，Python中所有事物都是對象，所有對象都有引用計數 ob_refcnt 。

當一個對象的引用計數減少到0之后，Python將會釋放該對象所占用的內存和系統資源。

但這并不意味著最終一定會釋放內存空間，因為頻繁申請釋放內存會大大降低Python的執行效率，因此Python中采用了內存對象池的技術，是的對象釋放的空間會還給內存池，而不是直接釋放，后續需要申請空間時，優先從內存對象池中獲取。