一行代码搞定Python逐行内存消耗分析

memory_profiler的使用方法超级简单，使用pip install memory_profiler完成安装后，只需要从memory_profiler导入profile并作为要分析的目标函数的装饰器即可，譬如下面这个例子：

创新互联建站专注于企业全网营销推广、网站重做改版、岱山网站定制设计、自适应品牌网站建设、HTML5、商城开发、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为岱山等各大城市提供网站开发制作服务。

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, b

    return a_, b_


if __name__ == '__main__':
    demo()

接着在终端执行python demo.py，稍事等待后，就会看到打印出的分析结果报告(这里我是在jupyter lab里执行的终端命令)：

其中Line #列记录了分析的各行代码具体行位置，Mem usage列记录了当程序执行到该行时，当前进程占用内存的量，Increment记录了当前行相比上一行内存消耗的变化量，Occurrences记录了当前行的执行次数(循环、列表推导等代码行会记作多次)，Line Contents列则记录了具体对应的行代码。

通过这样细致的内存分析结果，我们就能有的放矢地优化我们的代码啦~

分享标题：一行代码搞定Python逐行内存消耗分析
标题路径：http://www.gawzjz.com/qtweb2/news37/6537.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联