使用numpy.load后强制关闭文件:

这可能是一个小众的用法，但我发现它在使用numpy时很有用。加载以读取文件。每隔一段时间，我就会更新文件，需要复制一个同名的文件到目录中。

我使用del来释放文件，并允许我复制新文件。

注意，我想避免使用with context管理器，因为我在命令行上玩图，不想经常按tab键!

看这个问题。

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)。

当你使用sys.exc_info()检查异常时，有一个特定的例子说明你应该使用del(可能还有其他的例子，但我知道这个是现成的)。这个函数返回一个元组、引发的异常类型、消息和一个回溯。

前两个值通常足以诊断错误并对其进行处理，但第三个值包含从引发异常的位置到捕获异常的位置之间的整个调用堆栈。特别是，如果你做

try:
    do_evil()
except:
    exc_type, exc_value, tb = sys.exc_info()
    if something(exc_value):
        raise

回溯，TB最终在调用堆栈的局部变量中，创建了一个不能被垃圾收集的循环引用。因此，重要的是要做到:

try:
    do_evil()
except:
    exc_type, exc_value, tb = sys.exc_info()
    del tb
    if something(exc_value):
        raise

打破循环引用。在许多情况下，您希望调用sys.exc_info()，就像使用元类魔法一样，回溯是有用的，因此您必须确保在可能离开异常处理程序之前清除它。如果你不需要回溯，你应该立即删除它，或者直接执行:

exc_type, exc_value = sys.exc_info()[:2]

一起避免这一切。

Del经常出现在__init__.py文件中。任何在__init__.py文件中定义的全局变量都将自动“导出”(它将包含在from模块import *中)。避免这种情况的一种方法是定义__all__，但这可能会很混乱，并不是每个人都使用它。

例如，如果你在__init__.py中有这样的代码

import sys
if sys.version_info < (3,):
    print("Python 2 not supported")

然后您的模块将导出sys名称。你应该写

import sys
if sys.version_info < (3,):
    print("Python 2 not supported")

del sys

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)。

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。