Python类与对象内存结构解析

Python类与对象的内存结构远非简单容器，而是由PyObject头（含引用计数与类型指针）、动态属性存储机制（默认通过__dict__字典）及运行时方法绑定三者精密协同构成的灵活系统；理解它，就能揭开属性查找、方法调用开销、内存占用差异背后的本质——从普通实例的字典式动态扩展，到__slots__带来的结构化内存布局与性能跃升，每一步都体现着Python在动态性与效率之间的精妙平衡。

Python 中的类和对象在内存中并不是简单的数据容器，而是由一套精巧的对象模型支撑的动态结构。理解其内存布局，关键不在于“地址”或“字节”，而在于 类型指针、属性存储方式、方法绑定机制 三者的协同关系。

对象底层：PyObject + 实际数据

每个 Python 对象（如 a = 3、obj = MyClass()）在 C 层都对应一个 PyObject 结构体，它包含两个核心字段：

• ob_refcnt：引用计数，用于垃圾回收
• ob_type：指向该对象所属类型的指针（例如 int、dict 或自定义类的 PyTypeObject）

真正存放数据的部分（如整数的值、列表的元素指针数组、实例的属性字典）则紧跟在 PyObject 之后，由具体类型决定布局。比如 int 对象额外存一个 ob_digit 数组，而用户定义的实例默认只预留一个指向 __dict__ 的指针位置。

实例对象的属性去哪儿了？

普通实例（未使用 __slots__）的属性全部存在一个独立的字典对象中，即 obj.__dict__。这个字典本身也是一个 Python 对象，有自己的 PyObject 头和哈希表结构。

• 执行 obj.x = 10，实际是往 obj.__dict__ 这个字典里插入键值对 'x': 10
• 访问 obj.x 时，解释器先查 obj.__dict__；没找到再沿 obj.__class__.__mro__ 查类和父类的 __dict__
• 因此，实例属性和类属性物理上完全分离——类属性存在类对象的 __dict__ 中，不占用每个实例的内存

方法调用不是“复制代码”，而是创建绑定方法对象

当你写 obj.method()，Python 并没有把函数体拷进对象里。整个过程分三步：

• 从 obj.__class__ 开始，在 MRO 链上查找名为 method 的属性
• 如果找到的是一个函数对象（function），就用 obj 和该函数构造一个新的 method 对象（即绑定方法）
• 调用时，这个绑定方法自动把 obj 作为第一个参数（self）传给原函数

也就是说，方法调用开销主要来自“查找 + 绑定”这两步，而不是存储冗余代码。这也是为什么给实例动态添加方法（如 obj.f = lambda: ...）后，它不会自动获得 self——因为那只是一个普通函数赋值，未经过绑定逻辑。

__slots__ 改变了什么？

当类定义了 __slots__ = ['x', 'y']，Python 就不再为每个实例创建 __dict__ 字典，而是直接在实例内存块中按顺序分配固定字段（类似 C struct）。

• 节省内存：避免字典哈希表的额外开销（约 240 字节起步）
• 加速属性访问：跳过字典查找，直接通过偏移量读取字段
• 限制灵活性：不能动态添加未在 __slots__ 中声明的属性，也不能再有 __dict__

注意：__slots__ 只作用于定义它的类的**直接实例**，子类除非也定义 __slots__，否则仍会拥有 __dict__。

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Python类与对象内存结构解析》文章吧，也可关注golang学习网公众号了解相关技术文章。