显式使用"del"也是比将变量赋值为None更好的实践。如果你试图删除一个不存在的变量，你会得到一个运行时错误，但如果你试图将一个不存在的变量设置为None, Python会无声地将一个新变量设置为None，让你想要删除的变量留在原来的位置。所以del会帮助你尽早发现错误

有一次我不得不使用:

del serial
serial = None

因为只使用:

serial = None

没有及时释放串口，无法立即再次打开。 从这一课中，我了解到del的真正意思是:“现在就开始!然后等待直到它完成”这在很多情况下都很有用。当然，你可能有一个system.gc.del_this_and_wait_balbalba (obj)。

del在python中什么时候有用?

您可以使用它来删除数组中的单个元素，而不是切片语法x[i:i+1]=[]。这可能是有用的，例如，如果你在操作系统。行走并希望删除目录中的一个元素。不过，我不认为关键字对此有用，因为可以使用[].remove(index)方法(.remove方法实际上是search-and-remove-first-instance-of-value)。

删除变量与将其设置为None不同

使用del删除变量名可能很少使用，但如果没有关键字，这是无法实现的。如果你可以通过写a=1来创建一个变量名，那么理论上你可以通过删除a来撤销这一点。

在某些情况下，它可以使调试更容易，因为试图访问已删除的变量将引发NameError。

可以删除类实例属性

Python允许你编写如下代码:

class A(object):
    def set_a(self, a):
        self.a=a
a=A()
a.set_a(3)
if hasattr(a, "a"):
    print("Hallo")

如果选择向类实例动态添加属性，当然希望能够通过写入来撤销它

del a.a

显式使用"del"也是比将变量赋值为None更好的实践。如果你试图删除一个不存在的变量，你会得到一个运行时错误，但如果你试图将一个不存在的变量设置为None, Python会无声地将一个新变量设置为None，让你想要删除的变量留在原来的位置。所以del会帮助你尽早发现错误

我发现在使用Numpy处理大数据时，del对于伪手动内存管理非常有用。例如:

for image_name in large_image_set:
    large_image = io.imread(image_name)
    height, width, depth = large_image.shape
    large_mask = np.all(large_image == <some_condition>)
    # Clear memory, make space
    del large_image; gc.collect()

    large_processed_image = np.zeros((height, width, depth))
    large_processed_image[large_mask] = (new_value)
    io.imsave("processed_image.png", large_processed_image)

    # Clear memory, make space
    del large_mask, large_processed_image; gc.collect()

当Python GC无法跟上时，系统会疯狂地切换，这可能会导致脚本停止，而它在宽松的内存阈值下运行得非常流畅，从而在机器工作时留下了足够的空间来使用机器浏览和编码。