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。

作为del可以用来做什么的例子，我发现它在这样的情况下很有用:

def f(a, b, c=3):
    return '{} {} {}'.format(a, b, c)

def g(**kwargs):
    if 'c' in kwargs and kwargs['c'] is None:
        del kwargs['c']

    return f(**kwargs)

# g(a=1, b=2, c=None) === '1 2 3'
# g(a=1, b=2) === '1 2 3'
# g(a=1, b=2, c=4) === '1 2 4'

这两个函数可以在不同的包/模块中，程序员不需要知道f中的参数c实际上有什么默认值。因此，通过将kwargs与del结合使用，您可以将其设置为None(或者在这种情况下也可以保留它)，从而说“I want the default value on c”。

你也可以这样做:

def g(a, b, c=None):
    kwargs = {'a': a,
              'b': b}
    if c is not None:
        kwargs['c'] = c

    return f(**kwargs)

然而，我发现前面的例子更加DRY和优雅。

我想详细说明公认的答案，以强调将变量设置为None与使用del删除变量之间的细微差别:

给定变量foo = 'bar'，函数定义如下:

def test_var(var):
    if var:
        print('variable tested true')
    else:
        print('variable tested false')

一旦初始声明，test_var(foo)产生的变量测试为true。

现在试一试:

foo = None
test_var(foo)

它产生的变量测试为假。

将这种行为与以下行为进行对比:

del foo
test_var(foo)

现在会引发NameError: name 'foo'没有定义。

del所做的部分(来自Python语言参考):

删除名称将从本地或全局名称空间删除该名称的绑定

将None赋值给名称不会删除名称与名称空间的绑定。

(我想关于移除名称绑定是否真的有用可能会有一些争论，但这是另一个问题。)

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)。

另一个小众案例，但很有用。

from getpass import getpass

pass = getpass()
token = get_auth_token(pass)
del pass

# Assume more code here...

在删除pass变量之后，您不会冒它稍后被错误打印出来的风险，或者以其他方式结束在日志或堆栈跟踪中。