Python字典是基于哈希表实现的无序键值对集合，其内存管理逻辑围绕哈希表的动态扩容、哈希冲突处理展开，不同使用场景下的内存表现存在明显差异。
Python字典的内存管理基础
Python字典的底层哈希表由多个条目（entry）组成，每个条目包含三个部分：哈希值、键、值。在Python 3.7+中，字典还维护了插入顺序的索引数组，哈希表的大小总是2的幂次方，初始默认大小为8。当字典的填充率超过三分之二时，会触发扩容操作，将哈希表大小扩大为原来的两倍，同时重新计算所有键的哈希位置。
我们可以通过sys.getsizeof方法查看字典的基础内存占用，示例如下：
import sys
# 创建空字典
empty_dict = {}
print(f"空字典内存占用: {sys.getsizeof(empty_dict)} 字节")
# 创建包含3个键值对的字典
small_dict = {"a": 1, "b": 2, "c": 3}
print(f"3个键值对的字典内存占用: {sys.getsizeof(small_dict)} 字节")
None值对字典内存的影响
很多开发者认为存储None值不会占用太多额外内存，实际上None作为Python的单例对象，本身的内存占用很小，但字典中存储None值时，每个条目仍然需要分配完整的键、值、哈希值空间，不会因为值是None就减少条目开销。
我们可以通过对比存储不同值的字典内存占用验证这一点：
import sys
# 存储普通值的字典
dict_with_values = {"a": 1, "b": 2, "c": 3}
# 存储None值的字典
dict_with_none = {"a": None, "b": None, "c": None}
print(f"存储普通值的字典内存: {sys.getsizeof(dict_with_values)} 字节")
print(f"存储None值的字典内存: {sys.getsizeof(dict_with_none)} 字节")
从输出结果可以看到，两者的内存占用几乎一致，说明None值并不会减少字典条目的内存开销。如果字典中大量键值对的值都是None，说明可能存在设计不合理的情况，比如可以用集合存储键，仅在需要的时候再关联值，减少不必要的内存占用。
稀疏键值对的内存开销
稀疏键值对指的是字典的键分布非常分散，比如使用连续整数作为键但中间存在大量缺失，或者键的哈希值冲突率极高，导致哈希表中存在大量空条目。由于字典的哈希表大小是2的幂次方，且填充率超过阈值才会扩容，稀疏的键值对会让哈希表的填充率长期偏低，造成内存浪费。
以下示例展示了稀疏键值对的内存占用情况：
import sys
# 密集键值对字典，键为0到7的连续整数
dense_dict = {i: i for i in range(8)}
# 稀疏键值对字典，键为0、100、200直到700，中间大量缺失
sparse_dict = {i*100: i for i in range(8)}
print(f"密集字典内存占用: {sys.getsizeof(dense_dict)} 字节")
print(f"稀疏字典内存占用: {sys.getsizeof(sparse_dict)} 字节")
通常情况下，稀疏字典的内存占用会比密集字典更高，因为稀疏字典的键分布分散，哈希表的空条目比例更高，相同数量的键值对需要更大的哈希表空间来存储。
字典内存优化策略
1. 避免不必要的None值存储
如果字典中大量值都是None，可以改用集合存储键，仅在需要的时候为键关联值，或者使用两个独立的列表分别存储键和值，减少条目的冗余开销。
2. 合理选择键的类型
优先使用不可变且哈希值计算成本低的类型作为键，比如整数、短字符串，避免使用自定义对象、长字符串作为键，减少哈希冲突的概率，降低哈希表的空间浪费。
3. 提前预估字典大小
如果可以确定字典最终会存储的键值对数量，可以在创建字典后使用dict.resize相关的逻辑提前扩容（Python没有直接暴露resize接口，但可以通过批量插入键值对触发一次扩容，避免多次动态扩容的开销）。
4. 处理稀疏场景时改用其他结构
如果是稀疏的整数键场景，可以使用array模块或者第三方库numpy的稀疏数组，比字典的内存开销低很多。如果是需要频繁增删键值对的场景，可以考虑使用collections.defaultdict减少空值的判断逻辑。
5. 及时清理无用键值对
对于不再使用的键值对，及时使用pop方法删除，删除键值对后如果填充率过低，Python 3.12+的字典会自动缩容，减少内存占用。
import sys
test_dict = {i: i for i in range(100)}
print(f"删除前内存占用: {sys.getsizeof(test_dict)} 字节")
# 删除大部分键值对
for i in range(90):
test_dict.pop(i)
print(f"删除后内存占用: {sys.getsizeof(test_dict)} 字节")
总结
Python字典的内存管理基于动态哈希表实现，None值不会减少字典条目的内存开销，稀疏键值对会导致哈希表空条目比例升高，造成内存浪费。在实际开发中，我们可以根据场景选择合适的优化策略，减少不必要的内存占用，提升程序的运行效率。