Python占用內存如何優化

這篇文章主要為大家展示了“Python占用內存如何優化”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Python占用內存如何優化”這篇文章吧。

舉個栗子

我們舉個簡單的場景，使用Python存儲一個三維坐標數據，x,y,z。

Dict

使用Python內置的數據結構Dict來實現上述例子的需求很簡單。

>>> ob = {'x':1, 'y':2, 'z':3}
>>> x = ob['x']
>>> ob['y'] = y

查看以下ob這個對象占用的內存大?。?/p>

>>> print(sys.getsizeof(ob))
240

簡單的三個整數，占用的內存還真不少，想象以下，如果有大量的這樣的數據要存儲，會占用更大的內存。

Class

對于喜歡面向對象編程的程序員來說，更喜歡把數據包在一個class里。使用class使用同樣需求：

class Point:
 #
 def __init__(self, x, y, z):
 self.x = x
 self.y = y
 self.z = z

>>> ob = Point(1,2,3)

class的數據結構和Dict區別就很大了，我們來看看這種情況下占用內存的情況：

關于 __weakref__（弱引用）可以查看這個文檔，　對象的dict中存儲了一些self.xxx的一些東西。從Python 3.3開始，key使用了共享內存存儲， 減少了RAM中實例跟蹤的大小。

>>> print(sys.getsizeof(ob), sys.getsizeof(ob.__dict__)) 
56 112

可以看到內存占用量，class比dict少了一些，但這遠遠不夠。

__slots__

從class的內存占用分布上，我們可以發現，通過消除dict和_weakref__，可以顯著減少RAM中類實例的大小，我們可以通過使用slots來達到這個目的。

class Point:
 __slots__ = 'x', 'y', 'z'

 def __init__(self, x, y, z):
 self.x = x
 self.y = y
 self.z = z

>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
64

可以看到內存占用顯著的減少了

默認情況下,Python的新式類和經典類的實例都有一個dict來存儲實例的屬性。這在一般情況下還不錯，而且非常靈活，乃至在程序中可以隨意設置新的屬性。但是，對一些在”編譯”前就知道有幾個固定屬性的小class來說，這個dict就有點浪費內存了。

當需要創建大量實例的時候，這個問題變得尤為突出。一種解決方法是在新式類中定義一個slots屬性。

slots聲明中包含若干實例變量，并為每個實例預留恰好足夠的空間來保存每個變量；這樣Python就不會再使用dict，從而節省空間。

那么用slot就是非非常那個有必要嗎？使用slots也是有副作用的：

1. 每個繼承的子類都要重新定義一遍slots

2. 實例只能包含哪些在slots定義的屬性，這對寫程序的靈活性有影響，比如你由于某個原因新網給instance設置一個新的屬性，比如instance.a = 1, 但是由于a不在slots里面就直接報錯了，你得不斷地去修改slots或者用其他方法迂回的解決

3. 實例不能有弱引用（weakref）目標，否則要記得把weakref放進slots

最后，namedlist和attrs提供了自動創建帶slot的類，感興趣的可以試試看。

Tuple

Python還有一個內置類型元組，用于表示不可變數據結構。 元組是固定的結構或記錄，但沒有字段名稱。 對于字段訪問，使用字段索引。 在創建元組實例時，元組字段一次性與值對象關聯：

>>> ob = (1,2,3)
>>> x = ob[0]
>>> ob[1] = y # ERROR

元組的示例很簡潔：

>>> print(sys.getsizeof(ob))
72

可以看只比slot多8byte：

Namedtuple

通過namedtuple我們也可以實現通過key值來訪問tuple里的元素：

Point = namedtuple('Point', ('x', 'y', 'z'))

它創建了一個元組的子類，其中定義了用于按名稱訪問字段的描述符。 對于我們的例子，它看起來像這樣:

class Point(tuple):
 #
 @property
 def _get_x(self):
  return self[0]
 @property
 def _get_y(self):
  return self[1]
 @property
 def _get_y(self):
  return self[2]
 #
 def __new__(cls, x, y, z):
  return tuple.__new__(cls, (x, y, z))

此類的所有實例都具有與元組相同的內存占用。 大量實例會留下稍大的內存占用：

Recordclass

python的第三方庫recordclassd提供了一個數據結構recordclass.mutabletuple，它幾乎和內置tuple數據結構一致，但是占用更少的內存。

>>> Point = recordclass('Point', ('x', 'y', 'z'))
>>> ob = Point(1, 2, 3)

實例化以后，只少了PyGC_Head:

到此，我們可以看到，和slot比，又進一步縮小了內存占用：

Dataobject

recordclass提供了另外一個解決方法：在內存中使用與slots類相同的存儲結構，但不參與循環垃圾收集機制。通過recordclass.make_dataclass可以創建出這樣的實例：

>>> Point = make_dataclass('Point', ('x', 'y', 'z'))

另外一個方法是繼承自dataobject

class Point(dataobject):
 x:int
 y:int
 z:int

以這種方式創建的類將創建不參與循環垃圾收集機制的實例。 內存中實例的結構與slots的情況相同，但沒有PyGC_Head：

>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
40

要訪問這些字段，還使用特殊描述符通過其從對象開頭的偏移量來訪問字段，這些對象位于類字典中：

mappingproxy({'__new__': <staticmethod at 0x7f203c4e6be0>,
    .......................................
    'x': <recordclass.dataobject.dataslotgetset at 0x7f203c55c690>,
    'y': <recordclass.dataobject.dataslotgetset at 0x7f203c55c670>,
    'z': <recordclass.dataobject.dataslotgetset at 0x7f203c55c410>})

Cython

有一種方法基于Cython的使用。 它的優點是字段可以采用C語言原子類型的值。例如：

cdef class Python:
 cdef public int x, y, z

 def __init__(self, x, y, z):
  self.x = x
  self.y = y
  self.z = z

這種情況下，占用的內存更?。?/p>

>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
32

內存結構分布如下:

但是，從Python代碼訪問時，每次都會執行從int到Python對象的轉換，反之亦然。

Numpy

在純Python的環境中，使用Numpy能帶來更好的效果，例如:

>>> Point = numpy.dtype(('x', numpy.int32), ('y', numpy.int32), ('z', numpy.int32)])

創建初始值是0的數組：

>>> points = numpy.zeros(N, dtype=Point)

最后

可以看出，在Python性能優化這方面，還是有很多事情可以做的。Python提供了方便的同時，也需要暫用較多的資源。在不通的場景下，我需要選擇不同的處理方法，以便帶來更好的性能體驗。

以上是“Python占用內存如何優化”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！