python程序默认内存 python内存修改

当我们的项目变得越来越大时，高效管理计算资源是一个不可避免的要求。不幸的是，与低级语言如C或C++相比，Python在内存效率方面似乎不够。那么，现在应该更改编程语言吗？

当然不是。事实上，有许多方法可以显著优化Python程序的内存使用，从优秀的模块和工具到先进的数据结构和算法。本文将聚焦于Python的内置机制，并介绍7个原始但有效的内存优化技巧。掌握这些技巧将显著提高我们的Python编程技能。

1. 在类定义中使用__slots__

Python作为一种动态类型语言，在面向对象编程方面更加灵活。一个很好的例子是在运行时向Python类中添加额外的属性和方法的能力。例如，下面的代码定义了一个名为Author的类。最初它有两个属性name和age。但是我们可以很容易地在后来添加一个额外的属性：

class Author:
    def __init__(self, name, age):
        self.name = name
        self.age = age


me = Author('Yang Zhou', 30)
me.job = 'Software Engineer'
print(me.job)

然而，每个硬币都有两面。这种灵活性在底层浪费了更多的内存。因为Python类的每个实例都维护一个特殊的字典（__dict__）来存储实例变量。这个字典由于其基于哈希表的实现方式而固有地内存效率低下，占用大量内存。

在大多数情况下，我们不需要在运行时更改实例的变量或方法，而且在类定义之后__dict__将不会改变。因此，如果我们能避免维护__dict__字典，那就更好了。Python为此提供了一个神奇的属性：__slots__。它通过指定类的所有有效属性的名称来充当白名单：

class Author:
    __slots__ = ('name', 'age')
    def __init__(self, name, age):
        self.name = name
        self.age = age
me = Author('Yang Zhou', 30)
me.job = 'Software Engineer'
print(me.job)
#AttributeError: 'Author' object has no attribute 'job'

如上所示，我们不能再在运行时添加job属性。因为__slots__白名单只定义了两个有效属性name和age。从理论上讲，由于属性现在是固定的，Python不需要为其维护一个字典。它只需为__slots__中定义的属性分配必要的内存空间。

让我们编写一个简单的比较程序，看看它是否确实起作用：

import sys




class Author:
    def __init__(self, name, age):
        self.name = name
        self.age = age




class AuthorWithSlots:
    __slots__ = ['name', 'age']


    def __init__(self, name, age):
        self.name = name
        self.age = age




# Creating instances
me = Author('Yang', 30)
me_with_slots = AuthorWithSlots('Yang', 30)


# Comparing memory usage
memory_without_slots = sys.getsizeof(me) + sys.getsizeof(me.__dict__)
memory_with_slots = sys.getsizeof(me_with_slots)  # __slots__ classes don't have __dict__


print(memory_without_slots, memory_with_slots)
# 152 48
print(me.__dict__)
# {'name': 'Yang', 'age': 30}
print(me_with_slots.__dict__)
# AttributeError: 'AuthorWithSlots' object has no attribute '__dict__'

正如上面的代码所演示的，由于使用了__slots__，me_with_slots实例不具有__dict__字典。与必须保留额外字典的me实例相比，这有效地节省了内存资源。

2. 使用生成器

生成器是Python中的惰性求值版本的列表。它们就像元素生成工厂：仅在调用next()方法时生成一个项目，而不是一次计算所有项目。因此，当处理大型数据集时，它们非常内存高效。

def number_generator():
    for i in range(100):
        yield i


numbers = number_generator()
print(numbers)


print(next(numbers))
#0
print(next(numbers))
#1

上面的代码展示了编写和使用生成器的基本示例。关键字yield是生成器定义的核心。应用它意味着只有在调用next()方法时才会产生项目i。现在，让我们比较一下生成器和列表，看看哪个更内存高效：

import sys




numbers = []
for i in range(100):
    numbers.append(i)


def number_generator():
    for i in range(100):
        yield i


numbers_generator = number_generator()
print(sys.getsizeof(numbers_generator))
#112
print(sys.getsizeof(numbers))
#920

上述程序的结果证明了使用生成器可以显著节省内存使用。顺便说一下，如果我们将列表推导式的方括号改成括号，它将变成生成器表达式。这是在Python中定义生成器的更简便的方法：

import sys
numbers = [i for i in range(100)]
numbers_generator = (i for i in range(100))
print(sys.getsizeof(numbers_generator))
#112
print(sys.getsizeof(numbers))
#920

3. 利用内存映射文件支持大文件处理

内存映射文件I/O，简称“mmap”，是一种操作系统级别的优化。

它实现了需求分页，因为文件内容并不立即从磁盘读取，并且最初根本不使用物理RAM。实际从磁盘读取是在特定位置被访问时以懒惰的方式执行的。—— 维基百科

简单来说，当使用mmap技术内存映射文件时，它在当前进程的虚拟内存空间中直接创建文件的映射，而不是将整个文件加载到内存中。映射而不是加载整个文件可以节省大量内存。

听起来很复杂？幸运的是，Python已经提供了一个用于使用这种技术的内置模块，因此我们可以轻松利用它，而不必考虑操作系统级别的实现。例如，这是在Python中使用mmap进行文件处理的方法：

import mmap




with open('test.txt', "r+b") as f:
    # memory-map the file, size 0 means whole file
    with mmap.mmap(f.fileno(), 0) as mm:
        # read content via standard file methods
        print(mm.read())
        # read content via slice notation
        snippet = mm[0:10]
        print(snippet.decode('utf-8'))

如上所演示的，Python使得内存映射文件I/O技术的使用变得方便。我们所需要做的就是简单地应用`mmap.mmap()`方法，然后使用标准文件方法或甚至切片表示法处理打开的对象。

4. 减少全局变量的使用

全局变量在程序运行期间始终驻留在内存中，因为它们具有全局范围。因此，如果一个全局变量保存一个大型数据结构，它将在整个程序生命周期中占用内存，可能导致内存使用效率低下。我们应该在Python代码中尽量减少全局变量的使用。

5. 利用逻辑运算符的短路求值

这个技巧似乎微妙，但巧妙地使用它将极大地节省程序的内存使用。例如，下面是一个简单的代码片段，根据两个函数返回的布尔值得到最终结果：

result_a = expensive_function_a()
result_b = expensive_function_b()
result = result_a if result_a else result_b

上面的代码能够工作，但实际上执行了两个内存效率低下的函数。获取相同结果的更聪明的方法如下：

result = expensive_function1() or expensive_function2()

由于逻辑运算符遵循短路求值规则，上述代码中的`expensive_function2()`将不会在`expensive_function1()`为True时执行。这将节省不必要的内存使用。

6. 谨慎选择数据类型

一位经验丰富的Python开发者会仔细而准确地选择数据类型。因为在某些场景中，使用一个数据类型比另一个更节省内存。

元组比列表更节省内存

由于元组是不可变的（在创建后不能更改），它允许Python在内存分配方面进行优化。然而，列表是可变的，因此需要额外的空间来容纳潜在的修改。

import sys
my_tuple = (1, 2, 3, 4, 5)
my_list = [1, 2, 3, 4, 5]
print(sys.getsizeof(my_tuple))
#80
print(sys.getsizeof(my_list))
#120

如上面的片段所示，即使它们包含相同的元素，元组`my_tuple`使用的内存比列表更少。因此，如果在创建后不需要更改数据，我们应该更喜欢使用元组而不是列表。

数组比列表更节省内存

Python中的数组要求元素是相同的数据类型（例如，全部整数或全部浮点数），但列表可以存储不同类型的对象，这必然需要更多的内存。因此，如果列表的元素都是相同类型，使用数组会更节省内存：

import sys
import array
my_list = [i for i in range(1000)]
my_array = array.array('i', [i for i in range(1000)])
print(sys.getsizeof(my_list))
#8856
print(sys.getsizeof(my_array))
#4064

优秀的数据科学模块比内置数据类型更高效

Python是数据科学的主导语言。有许多强大的第三方模块和工具提供了更多的数据类型，例如NumPy和Pandas。如果我们只需要一个简单的一维数字数组，并且不需要NumPy提供的广泛功能，那么Python内置的数组可能是一个不错的选择。

但是，当涉及到复杂的矩阵操作时，对于所有数据科学家来说，使用NumPy提供的数组是第一选择，可能是最好的选择。

7. 对相同的字符串应用字符串驻留技术

下面的代码可能会使许多开发者感到困惑：

>>> a = 'Y'*4096
>>> b = 'Y'*4096
>>> a is b
True
>>> c = 'Y'*4097
>>> d = 'Y'*4097
>>> c is d
False

正如我们所知，`is`运算符用于检查两个变量是否引用内存中的同一对象。它与`==`运算符不同，后者用于比较两个对象是否具有相同的值。那么为什么`a is b`返回True，而`c is d`返回False呢？

这里有Python中的一个隐秘技巧 —— 字符串驻留技术。如果有几个值相同的小型字符串，它们将由Python隐式地进行驻留，并引用内存中的同一对象。定义小型字符串的神奇数字是4096。由于`c`和`d`的长度都是4097，它们是内存中的两个对象而不是一个。不再有隐式的字符串驻留。因此，在执行`c is d`时得到False。

字符串驻留是一种优化内存使用的强大技术。如果我们想要显式地进行驻留，`sys.intern()`方法就派上用场了：

>>> import sys
>>> c = sys.intern('Y'*4097)
>>> d = sys.intern('Y'*4097)
>>> c is d
True

顺便说一下，除了字符串驻留，Python还对小整数应用驻留技巧。我们也可以利用它进行内存优化。

·  END  ·