?

本文完整示例代碼及文件已上傳至我的Github倉(cāng)庫(kù)https://github.com/CNFeffery/PythonPracticalSkills

?

我們即將學(xué)習(xí)的是：一行代碼分析Python代碼行級(jí)別內(nèi)存消耗。

很多情況下，我們需要對(duì)已經(jīng)寫(xiě)好的Python程序的內(nèi)存消耗進(jìn)行優(yōu)化，但是一段代碼在運(yùn)行過(guò)程中的內(nèi)存消耗是動(dòng)態(tài)變化的，這種時(shí)候就可以用到memory_profiler這個(gè)第三方庫(kù)，它可以幫助我們分析記錄Python腳本中，執(zhí)行到每一行時(shí)，內(nèi)存的消耗及波動(dòng)變化情況。

memory_profiler的使用方法超級(jí)簡(jiǎn)單，使用pip install memory_profiler完成安裝后，只需要從memory_profiler導(dǎo)入profile并作為要分析的目標(biāo)函數(shù)的裝飾器即可，譬如下面這個(gè)例子：

?

demo.py

?import?numpy?as?np from?memory_profiler?import?profile@profile def?demo():a?=?np.random.rand(10000000)b?=?np.random.rand(10000000)a_?=?a[a?<?b]b_?=?b[a?<?b]del?a,?breturn?a_,?b_if?__name__?==?'__main__':demo()

接著在終端執(zhí)行python demo.py，稍事等待后，就會(huì)看到打印出的分析結(jié)果報(bào)告（這里我是在jupyter lab里執(zhí)行的終端命令）：

其中Line #列記錄了分析的各行代碼具體行位置，Mem usage列記錄了當(dāng)程序執(zhí)行到該行時(shí)，當(dāng)前進(jìn)程占用內(nèi)存的量，Increment記錄了當(dāng)前行相比上一行內(nèi)存消耗的變化量，Occurrences記錄了當(dāng)前行的執(zhí)行次數(shù)（循環(huán)、列表推導(dǎo)等代碼行會(huì)記作多次），Line Contents列則記錄了具體對(duì)應(yīng)的行代碼。

通過(guò)這樣細(xì)致的內(nèi)存分析結(jié)果，我們就能有的放矢地優(yōu)化我們的代碼啦~

---

本期分享結(jié)束，咱們下回見(jiàn)~👋

END

各位伙伴們好，詹帥本帥搭建了一個(gè)個(gè)人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請(qǐng)移步小程序體驗(yàn)一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數(shù)據(jù)類(lèi)型的基本操作（長(zhǎng)文系列第①篇）

牛逼！Python的判斷、循環(huán)和各種表達(dá)式（長(zhǎng)文系列第②篇）

牛逼！Python函數(shù)和文件操作（長(zhǎng)文系列第③篇）

牛逼！Python錯(cuò)誤、異常和模塊（長(zhǎng)文系列第④篇）

總結(jié)

以上是生活随笔為你收集整理的一行代码搞定Python逐行内存消耗分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。