本篇内容介绍了“Python代码编写高效内存的方法”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
创新互联专业网站设计制作、网站设计,集网站策划、网站设计、网站制作于一体,网站seo、网站优化、网站营销、软文推广等专业人才根据搜索规律编程设计,让网站在运行后,在搜索中有好的表现,专业设计制作为您带来效益的网站!让网站建设为您创造效益。
大多数时候,我们不需要优化Python中的内存使用情况。我们的程序太小而无法占用大量内存,或者我们正在将数据存储在程序外部的数据库中。无论如何,在某些情况下,我们必须在内存中保留过大的结构或大量的对象。因此,我希望举例说明可以减少程序内存使用量的做法。
议程
用__slots__限制类字段
Generator惰性加载
用数组约束元素类型
用__slots__限制类字段
默认情况下,每当您在Python中创建对象时,即使在创建之后,您也能够将新字段添加到对象。
例如,假设我有一个名为Dog的类:
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()
尽管名称和年龄是我传递给构造函数的唯一字段,但是请注意,在创建dog之后,如何初始化一个名为繁殖的新字段。本质上,dog的字段存储在内部字典中,可通过.__ dict__访问,并且在初始化dog.breed时,将其值为“ Pitbull”的字段“ breed”添加到内部字典中。
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()
尽管这提供了灵活性,但大多数时候我们不需要在实例化之外添加新字段。为了节省内存占用量,我们可以设置Dog的__slots__属性来预定义其字段。
class Dog: __slots__ = ("name", "age") def __init__(self, name, age): self.name = name self.age = age
使用__slots__可以防止创建内部字典,从而使我们可以更紧凑地存储实例字段。但是,现在,我们不再能够即时创建新字段。
def main(): dog = Dog("James", 5) dog.breed = "Pitbull" ''' output: AttributeError:'Dog' object has no attribute 'breed' ''' main()
为了测试__slots__的内存使用情况,我创建了100,000个Dog和SlotDog对象。
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分解了创建100,000个对象后内存使用量的增加情况。创建Dog对象后,内存使用量增加了16.5 MiB,而SlotDog对象则增加了5.8 MiB,这表明使用__slots__有了很大的改进。您可以在GitHub上查看创建代码(https://github.com/Ramko9999/Medium-Memory-Efficient-Python/blob/main/slots_perf.py)。
在必须实例化具有预定字段的大量对象的情况下,使用__slots__将是有益的。
用Genertor惰性加载
当使用大文件或集合时,可能无法加载整个文件或将集合维护在内存中。如果我们可以一次处理多个文件或集合中的一个元素,那就太好了。
进入生成器!
让我们考虑一个例子。说我需要获取前n个奇数进行处理。自然地,我们可以创建一个列表并附加前n个奇数。
def get_odds_list(n): odds = [] num = 1 for i in range(n): odds.append(num) num += 2 return odds
但是,如果我们要处理前几百万的赔率,那么在内存中维护此列表将变得昂贵。更好的方法是在我们计算赔率时利用生成器迭代赔率,而不是计算和存储所有百万赔率。
这是上面的函数作为生成器的样子:
def get_odds_generator(n): num = 1 for i in range(n): yield num num += 2 odds = get_odds_generator(1000000)
当我们初始化赔率时,尚未计算任何奇数。此刻的赔率只是一个迭代器,一个值序列。为了访问迭代器中的元素,我们必须在迭代器上调用next。顾名思义,next返回序列中的下一个值。
神奇之处在于yield关键字:它使函数成为生成器。本质上,当按赔率调用next时,生成器get_odds_generator将评估其代码,直到达到yield为止。然后,生成器将返回该值,并且其状态将冻结。然后,再次调用next时,生成器将从中断状态重新开始评估其代码。
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 '''
我们还可以按照以下方式浏览生成器生成的值。
odds = get_odds_generator(1000000) for odd in odds: pass //process the odd
我们可以使用生成器来计算赔率。因此,我们不需要任何额外的内存来存储赔率。
使用生成器的一个警告是,我们将无法获取先前的元素或跳过元素的序列。如果您需要访问以前的元素,则最好直接使用列表。
用数组约束元素类型
尽管许多人认为列表在Python中是数组,但实际上存在一个单独的数组模块。列表和数组之间的核心区别在于,数组仅限于一种类型的元素。
我们可以使用多种类型的值在Python中创建列表。
lst = [1.0, 1, {}, "hi"]
数组不是这种情况。我们必须使用类型代码指定数组中元素的类型。类型代码是代表数组类型的字符:“ i”代表整数,“ b”代表字符,依此类推…
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
数组与列表有很多共同的方法,例如append和pop(文档)。数组的主要优点是它们更加紧凑。为了测试这一点,我制作了一个包含一百万个整数的列表和数组,发现该列表的内存使用量增加了19.5 MiB,而数组仅增加了4 MiB。签出测量代码(代码)。
如果您有大量相同类型的数据序列,请考虑使用数组。
结论
过早的优化是万恶之源。
我已经展示了可以减少内存占用的多种实践,从使用__slots__到数组不等。仅在真正需要优化内存的最坏情况下考虑使用这些做法。在大多数情况下,不需要__slots__和数组。另一方面,标准API很可能已经使用了生成器,因此您可以放轻松。
“Python代码编写高效内存的方法”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!