介紹

大多數(shù)時候，我們不需要優(yōu)化Python中的內存使用情況。我們的程序太小而無法占用大量內存，或者我們正在將數(shù)據存儲在程序外部的數(shù)據庫中。無論如何，在某些情況下，我們必須在內存中保留過大的結構或大量的對象。因此，我希望舉例說明可以減少程序內存使用量的做法。

議程

用__slots__限制類字段

Generator惰性加載

用數(shù)組約束元素類型

用__slots__限制類字段

默認情況下，每當您在Python中創(chuàng)建對象時，即使在創(chuàng)建之后，您也能夠將新字段添加到對象。

例如，假設我有一個名為Dog的類：

class?Dog:

def?__init__(self,?name,?age):

self.name?=?name

self.age?=?age

def?main():

dog?=?Dog("James",?5)

dog.breed?=?"Pitbull"

print(dog.breed)

main()

盡管名稱和年齡是我傳遞給構造函數(shù)的唯一字段，但是請注意，在創(chuàng)建dog之后，如何初始化一個名為繁殖的新字段。本質上，dog的字段存儲在內部字典中，可通過.__ dict__訪問，并且在初始化dog.breed時，將其值為“ Pitbull”的字段“ breed”添加到內部字典中。

def?main():

dog?=?Dog("James",?5)

print(dog.__dict__)

'''

output:?{'name':?'James',?'age':?5}

'''

dog.breed?=?"Pitbull"

print(dog.__dict__)

'''

output:?{'name':?'James',?'age':?5,?'breed':?'Pitbull'}

'''

main()

盡管這提供了靈活性，但大多數(shù)時候我們不需要在實例化之外添加新字段。為了節(jié)省內存占用量，我們可以設置Dog的__slots__屬性來預定義其字段。

class?Dog:

__slots__?=?("name",?"age")

def?__init__(self,?name,?age):

self.name?=?name

self.age?=?age

使用__slots__可以防止創(chuàng)建內部字典，從而使我們可以更緊湊地存儲實例字段。但是，現(xiàn)在，我們不再能夠即時創(chuàng)建新字段。

def?main():

dog?=?Dog("James",?5)

dog.breed?=?"Pitbull"

'''

output:?AttributeError:'Dog'?object?has?no?attribute?'breed'

'''

main()

為了測試__slots__的內存使用情況，我創(chuàng)建了100,000個Dog和SlotDog對象。

class?Dog:

def?__init__(self,?name,?age):

self.name?=?name

self.age?=?age

class?SlotDog:

__slots__=("name",?"age")

def?__init__(self,?name,?age):

self.name?=?name

self.age?=?age

然后，我使用memory_profiler分解了創(chuàng)建100,000個對象后內存使用量的增加情況。創(chuàng)建Dog對象后，內存使用量增加了16.5 MiB，而SlotDog對象則增加了5.8 MiB，這表明使用__slots__有了很大的改進。您可以在GitHub上查看創(chuàng)建代碼(https://github.com/Ramko9999/Medium-Memory-Efficient-Python/blob/main/slots_perf.py)。

在必須實例化具有預定字段的大量對象的情況下，使用__slots__將是有益的。

用Genertor惰性加載

當使用大文件或集合時，可能無法加載整個文件或將集合維護在內存中。如果我們可以一次處理多個文件或集合中的一個元素，那就太好了。

進入生成器!

讓我們考慮一個例子。說我需要獲取前n個奇數(shù)進行處理。自然地，我們可以創(chuàng)建一個列表并附加前n個奇數(shù)。

def?get_odds_list(n):

odds?=?[]

num?=?1

for?i?in?range(n):

odds.append(num)

num?+=?2

return?odds

但是，如果我們要處理前幾百萬的賠率，那么在內存中維護此列表將變得昂貴。更好的方法是在我們計算賠率時利用生成器迭代賠率，而不是計算和存儲所有百萬賠率。

這是上面的函數(shù)作為生成器的樣子：

def?get_odds_generator(n):

num?=?1

for?i?in?range(n):

yield?num

num?+=?2

odds?=?get_odds_generator(1000000)

當我們初始化賠率時，尚未計算任何奇數(shù)。此刻的賠率只是一個迭代器，一個值序列。為了訪問迭代器中的元素，我們必須在迭代器上調用next。顧名思義，next返回序列中的下一個值。

神奇之處在于yield關鍵字：它使函數(shù)成為生成器。本質上，當按賠率調用next時，生成器get_odds_generator將評估其代碼，直到達到y(tǒng)ield為止。然后，生成器將返回該值，并且其狀態(tài)將凍結。然后，再次調用next時，生成器將從中斷狀態(tài)重新開始評估其代碼。

def?get_odds_generator(n):

num?=?1

for?i?in?range(n):

yield?num

num?+=?2

odds?=?get_odds_generator(1000000)

first?=?next(odds)

'''

first?=?1

Explanation:?num?is?1.?We?enter?the?for?loop?and?immediately?yield?num

'''

second?=?next(odds)

'''

second?=?3

Explanation:?num?is?1.?We?add?2?to?num,?so?its?now?3.

We?go?the?next?iteration?of?the?loop?and?yield?num

'''

third?=?next(odds)

'''

third?=?5

Explanation:?num?is?3.?We?add?2?to?num,?so?its?now?5.

We?go?to?the?next?iteration?of?the?loop?and?yield?num

'''

我們還可以按照以下方式瀏覽生成器生成的值。

odds?=?get_odds_generator(1000000)

for?odd?in?odds:

pass?//process?the?odd

我們可以使用生成器來計算賠率。因此，我們不需要任何額外的內存來存儲賠率。

使用生成器的一個警告是，我們將無法獲取先前的元素或跳過元素的序列。如果您需要訪問以前的元素，則最好直接使用列表。

用數(shù)組約束元素類型

盡管許多人認為列表在Python中是數(shù)組，但實際上存在一個單獨的數(shù)組模塊。列表和數(shù)組之間的核心區(qū)別在于，數(shù)組僅限于一種類型的元素。

我們可以使用多種類型的值在Python中創(chuàng)建列表。

lst?=?[1.0,?1,?{},?"hi"]

數(shù)組不是這種情況。我們必須使用類型代碼指定數(shù)組中元素的類型。類型代碼是代表數(shù)組類型的字符：“ i”代表整數(shù)，“ b”代表字符，依此類推…

from?array?import?array

arr?=?array('i',?[])?#?create?an?array?of?integers

arr.append(4)?#?append?4?to?arr

arr.append('')?#?type?error:?integer?is?required?not?string

數(shù)組與列表有很多共同的方法，例如append和pop(文檔)。數(shù)組的主要優(yōu)點是它們更加緊湊。為了測試這一點，我制作了一個包含一百萬個整數(shù)的列表和數(shù)組，發(fā)現(xiàn)該列表的內存使用量增加了19.5 MiB，而數(shù)組僅增加了4 MiB。簽出測量代碼(代碼)。

如果您有大量相同類型的數(shù)據序列，請考慮使用數(shù)組。

結論

過早的優(yōu)化是萬惡之源。

-唐納德·埃文·克努斯

我已經展示了可以減少內存占用的多種實踐，從使用__slots__到數(shù)組不等。僅在真正需要優(yōu)化內存的最壞情況下考慮使用這些做法。在大多數(shù)情況下，不需要__slots__和數(shù)組。另一方面，標準API很可能已經使用了生成器，因此您可以放輕松。

【編輯推薦】

【責任編輯：華軒 TEL：(010)68476606】

點贊 0

總結

以上是生活随笔為你收集整理的python写内存挂_编写高效内存Python代码的3个技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。