(del可以成为你的朋友，因为当没有其他引用时，它将对象标记为可删除。现在，CPython解释器通常会保留这个内存以供以后使用，所以您的操作系统可能看不到“释放”的内存。)

通过对数据使用更紧凑的结构，也许一开始就不会遇到内存问题。 因此，与标准数组模块或第三方numpy模块使用的格式相比，数字列表的内存效率要低得多。您可以通过将顶点放在NumPy 3xN数组中，将三角形放在n元素数组中来节省内存。

Python是垃圾回收的，所以如果你减少列表的大小，它会回收内存。你也可以使用"del"语句完全摆脱一个变量:

biglist = [blah,blah,blah]
#...
del biglist

你不能显式地释放内存。您需要做的是确保不保留对对象的引用。然后它们将被垃圾收集，释放内存。

在您的情况下，当您需要大型列表时，通常需要重新组织代码，通常使用生成器/迭代器代替。这样你就不需要在内存中存储大的列表。

(del可以成为你的朋友，因为当没有其他引用时，它将对象标记为可删除。现在，CPython解释器通常会保留这个内存以供以后使用，所以您的操作系统可能看不到“释放”的内存。)

通过对数据使用更紧凑的结构，也许一开始就不会遇到内存问题。 因此，与标准数组模块或第三方numpy模块使用的格式相比，数字列表的内存效率要低得多。您可以通过将顶点放在NumPy 3xN数组中，将三角形放在n元素数组中来节省内存。

根据Python官方文档，你可以显式调用gc.collect()来释放未引用的内存。例子:

import gc

gc.collect()

你应该在使用del标记你想丢弃的东西后这样做:

del my_array
del my_object
gc.collect()

不幸的是(取决于你的Python版本和发行版)，某些类型的对象使用“自由列表”，这是一种简洁的局部优化，但可能会导致内存碎片，特别是通过将越来越多的内存“指定”给特定类型的对象，从而无法用于“普通基金”。

The only really reliable way to ensure that a large but temporary use of memory DOES return all resources to the system when it's done, is to have that use happen in a subprocess, which does the memory-hungry work then terminates. Under such conditions, the operating system WILL do its job, and gladly recycle all the resources the subprocess may have gobbled up. Fortunately, the multiprocessing module makes this kind of operation (which used to be rather a pain) not too bad in modern versions of Python.

在您的用例中，似乎子进程积累一些结果并确保这些结果对主进程可用的最佳方法是使用半临时文件(我所说的半临时是指，不是那种关闭时自动消失的文件，而是在您全部使用完后显式删除的普通文件)。