我正在使用 iPython 运行我的代码。我想知道是否有任何模块或命令可以让我检查对象的内存使用情况。例如：
In [1]: a = range(10000)
In [2]: %memusage a
Out[2]: 1MB
类似%memusage <object> 并返回对象使用的内存。
重复
Find out how much memory is being used by an object in Python
【问题讨论】：
很遗憾，这是不可能的，但有多种方法可以近似得出答案：
对于或多或少表示为简单 C 语言类型的非常简单的对象（例如整数、字符串、浮点数、双精度数），您可以像 John Mulder's solution 一样简单地计算字节数。
对于更复杂的对象，一个很好的近似方法是使用 cPickle.dumps 将对象序列化为字符串。字符串的长度很好地近似于存储对象所需的内存量。
解决方案 2 有一个很大的障碍，即对象通常包含对其他对象的引用。例如，字典包含字符串键和其他对象作为值。那些其他对象可能是共享的。由于 pickle 总是尝试对对象进行完整的序列化，它总是会高估存储对象所需的内存量。
【讨论】：
如果您使用的是numpy array，那么您可以使用属性ndarray.nbytes 来评估它在内存中的大小：
from pylab import *
d = array([2,3,4,5])
d.nbytes
#Output: 32
【讨论】：
更新：这里是another，可能是估计python对象大小的更彻底的方法。
这是thread 解决类似问题
建议的解决方案是编写自己的...使用对已知原语大小、python 的对象开销和内置容器类型大小的一些估计。
由于代码不长，这里直接复制：
def sizeof(obj):
"""APPROXIMATE memory taken by some Python objects in
the current 32-bit CPython implementation.
Excludes the space used by items in containers; does not
take into account overhead of memory allocation from the
operating system, or over-allocation by lists and dicts.
"""
T = type(obj)
if T is int:
kind = "fixed"
container = False
size = 4
elif T is list or T is tuple:
kind = "variable"
container = True
size = 4*len(obj)
elif T is dict:
kind = "variable"
container = True
size = 144
if len(obj) > 8:
size += 12*(len(obj)-8)
elif T is str:
kind = "variable"
container = False
size = len(obj) + 1
else:
raise TypeError("don't know about this kind of object")
if kind == "fixed":
overhead = 8
else: # "variable"
overhead = 12
if container:
garbage_collector = 8
else:
garbage_collector = 0
malloc = 8 # in most cases
size = size + overhead + garbage_collector + malloc
# Round to nearest multiple of 8 bytes
x = size % 8
if x != 0:
size += 8-x
size = (size + 8)
return size
【讨论】：
我试图弄清楚如何为自己做到这一点。我在此页面和其他页面上尝试了几种解决方案。然后我进行了一些搜索，发现https://ipython-books.github.io/44-profiling-the-memory-usage-of-your-code-with-memory_profiler/ 似乎提供了另一种解决方案。解决方案的要点：在 ipython 中使用%mprun。
pip install memory_profiler
myfunc.py（重要：%mprun 只能用于物理文件中定义的函数）。在函数中创建有问题的对象，例如：# myfunc.py
def myfunc():
# create the object, e.g.
a = [*range(10000)]
from myfunc import myfunc
%mprun -T mprof -f myfunc myfunc()
生成文件 mprof.内容也显示出来了：
Line # Mem usage Increment Line Contents
================================================
1 49.1 MiB 49.1 MiB def myfunc():
2 # create the object, e.g.
3 49.4 MiB 0.3 MiB a = [*range(10000)]
根据第 3 行的内容，我们知道a 使用的内存为 0.3 MiB。
让我们试试a = [*range(100000)]:
# myfunc1.py
def myfunc1():
# create the object, e.g.
a = [*range(100000)]
运行
from myfunc1 import myfunc1
%mprun -T mprof1 -f myfunc1 myfunc1()
Line # Mem usage Increment Line Contents
================================================
1 49.2 MiB 49.2 MiB def myfunc1():
2 # create the object, e.g.
3 52.3 MiB 3.0 MiB a = [*range(100000)]
似乎符合我们的预期。
【讨论】：