为什么python字典使用这么多内存？

Question

我见过similar question 对此，但我认为我的困境在足以保证一个新问题的方式上有所不同。

我创建了一个函数，它打开一个 csv 文件并根据维度和指标列表将数据聚合到一个类似 json 的字典结构中。

问题是当我用它打开一个 0.97GB 的文件时，当我查看我的进程时，python 进程正在使用大约 1.02GB 的内存。请记住，我只选择文件中的一小部分字段，并且数据是聚合的，我认为它本质上应该更小。此外，字典变量是从函数返回的唯一东西，所以这不应该意味着它是函数运行后唯一留在内存中的东西吗？有谁知道为什么我的字典对象使用这么多内存？

**EDIT - 我也理解 csv.reader() 是一个生成器，所以我什至不会一次加载整个文件，所以它必须只是使用所有内存的字典对象？

我在 Windows 上使用 Python 2.7。

import json
import inspect
from pprint import pprint
import csv
from datetime import datetime
import sys


def jsonify_csv(fileString, dimensions, metrics, struc = {}):
    with open(fileString, 'rb') as f:
        reader=csv.reader(f)
        headings = reader.next()
        i = 0
        for line in reader:
            i+=1
            row =  {headings[i]:v for i, v in enumerate(line)}
            pointer = struc
            for dimension in dimensions:
                if dimension == 'date':
                    val = str(datetime.strptime(row[dimension], "%d/%m/%Y").date().month)
                else:
                    val = str(row[dimension])
                pointer.setdefault(val, {})
                pointer = pointer[val]
            for metric in metrics:
                pointer.setdefault(metric, 0.0)
                try:
                    pointer[metric] += float(row[metric])
                except ValueError:
                    pass
    return struc


start = datetime.today()

dims = ['brand', 'source', 'affiliate', 'country', 'store', 'salesbundle', 'product', 'ordertype', 'returncode', 'supplier', 'category']

metrics = ['sales', 'qty', 'cogs', 'carriagereclaim', 'Carriage Charged Carrier', 'carriage_est', 'mktg_est', 'mktg_cost', 'royalty', 'finance', 'scrap_cost', 'mp_cost', 'budgetsales', 'budgetcosts', 'BSTD', 'budgetaftersales', 'budgetscrap', 'budgetcarriagerecovery', 'budgetcarriagepaid', 'budgetmetapack', 'budgetmarketing', 'budgetaffiliate', 'budgetoffline', 'budgetroyalty', 'budgetfinance', 'bundle_qty', 'misc_adjustments']

jsonified = jsonify_csv('PhocasSales_2015+.csv', dims, metrics)

print 'file opened', datetime.today()-start

stop = raw_input("waiting...")

Answer 1

每次调用都将使用相同的字典。见http://docs.python-guide.org/en/latest/writing/gotchas/。空字典{} 在编译时创建为函数的属性。

如果您使用默认值调用该函数 28 次，您将不会得到 28 个不同的字典，它们将共享同一个字典。默认为 None 然后在函数体中测试它的值。

试试这个：

def jsonify_csv(fileString, dimensions, metrics, struc = None):
    if struc is None:
        struc = {}

    with open(fileString, 'rb') as f:
    ... # and so on