本篇內(nèi)容介紹了“Python高級技巧之怎么用一行代碼減少一半內(nèi)存占用”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

10年積累的網(wǎng)站設(shè)計制作、網(wǎng)站建設(shè)經(jīng)驗，可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識你，你也不認(rèn)識我。但先網(wǎng)站制作后付款的網(wǎng)站建設(shè)流程，更有青岡免費網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

圖片的結(jié)果

下面我來解釋一下，它是如何運行的。

首先，我們考慮一個簡單的 "learning" 例子，創(chuàng)建一個 Dataltem  類，該類是一個人的個人信息，例如姓名，年齡，地址等。

class DataItem(object):     def __init__(self, name, age, address):         self.name = name         self.age = age         self.address = address

初學(xué)者的問題：如何知道一個以上這樣的對象占用多少內(nèi)存？

首先，讓我們試著解決一下：

d1 = DataItem("Alex", 42, "-")  print ("sys.getsizeof(d1):", sys.getsizeof(d1))

我們得到的答案是 56bytes，這似乎占用了很少的內(nèi)存，相當(dāng)滿意嘍。那么，我們在嘗試另一個包含更多數(shù)據(jù)的對象例子：

d2 = DataItem("Boris", 24, "In the middle of nowhere")  print ("sys.getsizeof(d2):", sys.getsizeof(d2))

答案仍然是 56bytes，此刻，似乎我們意識到哪里有些不對？并不是所有的事情都第一眼所見那樣。

•  直覺不會讓我們失望，一切都不是那么簡單。Python 是一種具有動態(tài)類型的非常靈活的語言，對于它的工作，它存儲了大量的附加數(shù)據(jù)。它們本身占據(jù)了很多。

例如，sys.getsizeof("") 返回 33bytes，是的一個多達(dá) 33 個字節(jié)的空行！并且 sys.getsizeof(1) 返回 24bytes，一個整個數(shù)字占用 24 個 bytes (我想咨詢 C 語言程序員，遠(yuǎn)離屏幕，不想在進一步閱讀，以免對美觀失去信心)。對于更復(fù)雜的元素，如字典，sys.getsizeof(.()) 返回 272 字節(jié)，這是針對空字典的，我不會再繼續(xù)了，我希望原理是明確的，并且 RAM 的制造商需要出售他們的芯片。

但是，我們回到我們的 DataItem 類和最初的初學(xué)者的疑惑。

這個類，占多少內(nèi)存？

首先，我們一小寫的形式將這個類的完整內(nèi)容輸出：

def dump(obj):   for attr in dir(obj):     print("  obj.%s = %r" % (attr, getattr(obj, attr)))

這個函數(shù)將顯示隱藏的“幕后”使所有 Python 函數(shù)（類型、繼承和其他內(nèi)容）都能夠正常工作的內(nèi)容。

結(jié)果令人印象深刻：

這一切內(nèi)容占用多少內(nèi)存？

下邊有一個函數(shù)可以通過遞歸的方式，調(diào)用 getsizeof 函數(shù)，計算對象實際數(shù)據(jù)量。

def get_size(obj, seen=None):     # From      # Recursively finds size of objects     size = sys.getsizeof(obj)     if seen is None:         seen = set()     obj_id = id(obj)     if obj_id in seen:         return 0  # Important mark as seen *before* entering recursion to gracefully handle     # self-referential objects     seen.add(obj_id)     if isinstance(obj, dict):       size += sum([get_size(v, seen) for v in obj.values()])       size += sum([get_size(k, seen) for k in obj.keys()])     elif hasattr(obj, '__dict__'):       size += get_size(obj.__dict__, seen)     elif hasattr(obj, '__iter__') and not isinstance(obj, (str, bytes, bytearray)):       size += sum([get_size(i, seen) for i in obj])     return size

讓我們試一試：

d1 = DataItem("Alex", 42, "-")  print ("get_size(d1):", get_size(d1))  d2 = DataItem("Boris", 24, "In the middle of nowhere")  print ("get_size(d2):", get_size(d2))

我們獲得的答案分別為 460bytes 和 484bytes，這結(jié)果似乎是真實的。

使用這個函數(shù)，你可以進行一系列的實驗。例如，我想知道如果 DataItem 結(jié)構(gòu)放在列表中，數(shù)據(jù)將占用多少空間。get_size ([d1]) 函數(shù)返回 532bytes ,顯然，這與上面說的 460+ 的開銷相同。但是 get_size ([d1, d2]) 返回 863bytes ,小于以上的 460 + 484。get_size ([d1, d2, d1]) 的結(jié)果更有趣——我們得到了 871 字節(jié)，只是稍微多一點，也就是說 Python 足夠聰明，不會再次為同一個對象分配內(nèi)存。

現(xiàn)在，我們來看一看問題的第二部分。

是否存在減少內(nèi)存開銷的可能呢？

是的,可以的。Python 是一個解釋器，我們可以在任何時候擴展我們的類，例如，添加一個新的字段:

d1 = DataItem("Alex", 42, "-")  print ("get_size(d1):", get_size(d1))  d1.weight = 66  print ("get_size(d1):", get_size(d1))

非常好，但是如果我們不需要這個功能呢？我們能強制解釋器來指定類的列表對象使用 __slots__ 命令：

class DataItem(object):     __slots__ = ['name', 'age', 'address']    def __init__(self, name, age, address):         self.name = name        self.age = age         self.address = address

更多信息可以在文檔 (RTFM) 中找到，其中寫到 “__ dict__和__weakref__”。使用 __dict__ 節(jié)省的空間非常大”。

我們確認(rèn)：是的，確實很重要，get_size (d1) 返回 …64 字節(jié)，而不是 460 字節(jié)，即少 7 倍。另外，創(chuàng)建對象的速度要快 20% (請參閱本文的第一個屏幕截圖)。

唉，真正使用如此大的內(nèi)存增益并不是因為其他開銷。通過簡單地添加元素，創(chuàng)建一個 100,000 的數(shù)組，并查看內(nèi)存消耗:

data = []  for p in range(100000):     data.append(DataItem("Alex", 42, "middle of nowhere"))  snapshot = tracemalloc.take_snapshot()  top_stats = snapshot.statistics('lineno')  total = sum(stat.size for stat in top_stats)  print("Total allocated size: %.1f MB" % (total / (1024*1024)))

我們不使用 __slots__ 占用內(nèi)存 16.8MB，使用時占用 6.9MB。這個操作當(dāng)然不是最好的，但是確實代碼改變的最小的。（Not 7 times of course, but it’s not bad at all, considering that the code change was minimal.）

現(xiàn)在的缺點。激活 __slots__ 禁止所有元素的創(chuàng)建,包括 __dict__ ,這意味著,例如,一下代碼將結(jié)構(gòu)轉(zhuǎn)換成 json 將不運行:

def toJSON(self):         return json.dumps(self.__dict__)

這個問題很容易修復(fù),它是足以產(chǎn)生 dict 編程方式,通過所有元素的循環(huán):

def toJSON(self):         data = dict()         for var in self.__slots__:             data[var] = getattr(self, var)         return json.dumps(data)

也不可能動態(tài)給這個類添加新類變量,但是在這個例子中,這并不是必需的。

今天的最后一個測試。有趣的是整個程序需要多少內(nèi)存。添加一個無限循環(huán)的程序,以便它不結(jié)束,看看 Windows 任務(wù)管理器中的內(nèi)存消耗。

沒有 __slots__:

6.9Mb 變成 27Mb … 好家伙, 畢竟, 我們節(jié)省了內(nèi)存, 27Mb 代替 70 ，對于增加一行代碼來說并不是一個壞的例子

注意：TraceMelc 調(diào)試庫使用了許多附加內(nèi)存。顯然，她為每個創(chuàng)建的對象添加了額外的元素。如果關(guān)閉它，總的內(nèi)存消耗將少得多，截屏顯示兩個選項：

如果你想節(jié)省更多的內(nèi)存呢？

這可以使用 numpy 庫，它允許您以 C 樣式創(chuàng)建結(jié)構(gòu)，但是在我的例子中，它需要對代碼進行更深入的細(xì)化，并且第一種方法就足夠了。

奇怪的是在 Habré 從來沒有詳細(xì)分析使用 __slots__, 我希望本文將填補這一空缺。

“Python高級技巧之怎么用一行代碼減少一半內(nèi)存占用”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！