python3中的代码是如何解决内存占用的？

我们都知道，如果内存过多，计算机会运行得更慢。在释放内存之前，首先要查看具体的内存占用量，而不是一味追求内存优化。只有找到占用的内存量，最好根据情况对应不同的内存释放方式。接下来，我们分析检测内容占用的情况，进而进一步提出解决问题的代码。

内存占用检测

下面的代码块可以检查变量 variable 所占用的内存。

import sys 
 
variable = 30 
print(sys.getsizeof(variable)) # 24

Python 是一个解释器，我们可以随时扩展我们的类，例如，通过添加一个新字段：

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

很好，但是如果我们不需要这个功能怎么办？我们可以强制解释器使用 __slots__ 命令指定类的列表对象：

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

可以在文档 (RTFM) 中找到更多信息，其中显示“__dict__ 和 __weakref__”。使用 __dict__ 节省的空间是巨大的”。

我们确认：是的，这很重要，get_size(d1) 返回...64 字节，而不是 460 字节，减少了 7 倍。此外，对象的创建速度提高了 20%（参见本文的第一个屏幕截图）。

这并不是因为其他开销真正使用了如此大的内存增益。通过简单的添加元素创建一个 100,000 的数组，并查看内存消耗：

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

我们不使用 __slots__，它占用 16.8MB 内存，使用时占用 6.9MB。这个操作当然不是最好的，但它确实有最少的代码更改。 （当然不是 7 次，但一点也不差，考虑到代码更改很小。）

以上就是我们解决内存占用的代码方法了，关键还是要先从内存具体占用的情况开始分析，然后再进行下一步的代码操作。

更多Python学习指路:



。