提高代碼效率的6個Python內(nèi)存優(yōu)化技巧

來源：Deephub IMBA

當項目變得越來越大時，有效地管理計算資源是一個不可避免的需求。Python與C或c++等低級語言相比，似乎不夠節(jié)省內(nèi)存。

但是其實有許多方法可以顯著優(yōu)化Python程序的內(nèi)存使用，這些方法可能在實際應(yīng)用中并沒有人注意，所以本文將重點介紹Python的內(nèi)置機制，掌握它們將大大提高Python編程技能。

首先在進行內(nèi)存優(yōu)化之前，我們首先要查看內(nèi)存的使用情況

分配了多少內(nèi)存?

有幾種方法可以在Python中獲取對象的大小?？梢允褂胹ys.getsizeof()來獲取對象的確切大小，使用objgraph.show_refs()來可視化對象的結(jié)構(gòu)，或者使用psutil.Process().memory_info()。RSS獲取當前分配的所有內(nèi)存。

 >>> import numpy as np
 >>> import sys
 >>> import objgraph
 >>> import psutil
 >>> import pandas as pd
 
 
 >>> ob = np.ones((1024, 1024, 1024, 3), dtype=np.uint8)
 
 ### Check object 'ob' size
 >>> sys.getsizeof(ob) / (1024 * 1024)
 3072.0001373291016
 
 ### Check current memory usage of whole process (include ob and installed packages, ...)
 >>> psutil.Process().memory_info().rss / (1024 * 1024)
 3234.19140625
 
 ### Check structure of 'ob' (Useful for class object)
 >>> objgraph.show_refs([ob], filename='sample-graph.png')
 
 ### Check memory for pandas.DataFrame
 >>> from sklearn.datasets import load_boston
 >>> data = load_boston()
 >>> data = pd.DataFrame(data['data'])
 >>> print(data.info(verbose=False, memory_usage='deep'))
 <class 'pandas.core.frame.DataFrame'>
 RangeIndex: 506 entries, 0 to 505
 Columns: 13 entries, 0 to 12
 dtypes: float64(13)
 memory usage: 51.5 KB
   
 ### Check memory for pandas.Series
 >>> data[0].memory_usage(deep=True)   # deep=True to include all the memory used by underlying parts that construct the pd.Series
 4176

這樣我們才能根據(jù)對象的內(nèi)存占用來查看實際的優(yōu)化結(jié)果

__slots__

Python作為一種動態(tài)類型語言，在面向?qū)ο蠓矫婢哂懈蟮撵`活性。在運行時可以向Python類添加額外屬性和方法的能力。

例如，下面的代碼定義了一個名為Author的類。最初它有兩個屬性name和age。但是我們以后可以很容易地添加一個額外的job:

 class Author:
    def __init__(self, name, age):
        self.name = name
        self.age = age
 
 
 me = Author('Yang Zhou', 30)
 me.job = 'Software Engineer'
 print(me.job)
 # Software Engineer

但是這種靈活性在底層浪費了更多內(nèi)存。

因為Python中每個類的實例都維護一個特殊的字典( _ _ dict _ _ )來存儲實例變量。因為字典的底層基于哈希表的實現(xiàn)所以消耗了大量的內(nèi)存。

在大多數(shù)情況下，我們不需要在運行時更改實例的變量或方法，并且 _ _ dict _ _ 不會（也不應(yīng)該）在類定義后更改。所以Python為此提供了一個屬性: _ _ slots _ _ 。

它通過指定類的所有有效屬性的名稱來作為白名單:

 class Author:
    __slots__ = ('name', 'age')
 
    def __init__(self, name, age):
        self.name = name
        self.age = age
 
 
 me = Author('Yang Zhou', 30)
 me.job = 'Software Engineer'
 print(me.job)
 # AttributeError: 'Author' object has no attribute 'job'

白名單只定義了兩個有效的屬性name和age。由于屬性是固定的，Python不需要為它維護字典,只為 _ _ slots _ _ 中定義的屬性分配必要的內(nèi)存空間。

下面我們做一個簡單的比較：

 import sys
 
 
 class Author:
    def __init__(self, name, age):
        self.name = name
        self.age = age
 
 
 class AuthorWithSlots:
    __slots__ = ['name', 'age']
 
    def __init__(self, name, age):
        self.name = name
        self.age = age
 
 
 # Creating instances
 me = Author('Yang', 30)
 me_with_slots = AuthorWithSlots('Yang', 30)
 
 # Comparing memory usage
 memory_without_slots = sys.getsizeof(me) + sys.getsizeof(me.__dict__)
 memory_with_slots = sys.getsizeof(me_with_slots) # __slots__ classes don't have __dict__
 
 print(memory_without_slots, memory_with_slots)
 # 152 48
 print(me.__dict__)
 # {'name': 'Yang', 'age': 30}
 print(me_with_slots.__dict__)
 # AttributeError: 'AuthorWithSlots' object has no attribute '__dict__'

可以看到 152 和 48 明顯節(jié)省了內(nèi)存。

Generators

生成器是Python中列表的惰性求值版本。每當調(diào)用next()方法時生成一個項，而不是一次計算所有項。所以它們在處理大型數(shù)據(jù)集時非常節(jié)省內(nèi)存。

 def number_generator():
    for i in range(100):
        yield i
 
 numbers = number_generator()
 print(numbers)
 # <generator object number_generator at 0x104a57e40>
 print(next(numbers))
 # 0
 print(next(numbers))
 # 1

上面的代碼顯示了一個編寫和使用生成器的基本示例。關(guān)鍵字yield是生成器定義的核心。應(yīng)用它意味著只有在調(diào)用next()方法時才會產(chǎn)生項i。

讓我們比較一個生成器和一個列表，看看哪個更節(jié)省內(nèi)存:

 mport sys
 
 numbers = []
 for i in range(100):
    numbers.append(i)
 
 def number_generator():
    for i in range(100):
        yield i
 
 numbers_generator = number_generator()
 print(sys.getsizeof(numbers_generator))
 # 112
 print(sys.getsizeof(numbers))
 # 920

可以看到使用生成器可以顯著節(jié)省內(nèi)存使用。如果我們將列表推導(dǎo)式的方括號轉(zhuǎn)換成圓括號，它將成為生成器表達式。這是在Python中定義生成器的更簡單的方法:

 import sys
 
 numbers = [i for i in range(100)]
 numbers_generator = (i for i in range(100))
 
 print(sys.getsizeof(numbers_generator))
 # 112
 print(sys.getsizeof(numbers))
 # 920

利用內(nèi)存映射文件支持大文件處理

內(nèi)存映射文件I/O，簡稱“mmap”，是一種操作系統(tǒng)級優(yōu)化。

簡單地說，當使用mmap技術(shù)對文件進行內(nèi)存映射時，它直接在當前進程的虛擬內(nèi)存空間中創(chuàng)建文件的映射，而不是將整個文件加載到內(nèi)存中，這節(jié)省了大量內(nèi)存。

Python已經(jīng)提供了用于使用此技術(shù)的內(nèi)置模塊，因此我們可以輕松地利用它，而無需考慮操作系統(tǒng)級別的實現(xiàn)。

以下是如何在Python中使用mmap進行文件處理:

 import mmap
 
 
 with open('test.txt', "r+b") as f:
    # memory-map the file, size 0 means whole file
    with mmap.mmap(f.fileno(), 0) as mm:
        # read content via standard file methods
        print(mm.read())
        # read content via slice notation
        snippet = mm[0:10]
        print(snippet.decode('utf-8'))

Python使內(nèi)存映射文件I/O技術(shù)的使用變得方便。我們所需要做的只是應(yīng)用mmap.mmap()方法，然后使用標準文件方法甚至切片符號處理打開的對象。

選擇適當?shù)臄?shù)據(jù)類型

開發(fā)人員應(yīng)仔細而精確地選擇數(shù)據(jù)類型。因為在某些情況下，使用一種數(shù)據(jù)類型比使用另一種數(shù)據(jù)類型更節(jié)省內(nèi)存。

1、元組比列表更節(jié)省內(nèi)存

元組是不可變的(在創(chuàng)建后不能更改)，它允許Python在內(nèi)存分配方面進行優(yōu)化。列表是可變的，因此需要額外的空間來容納潛在的修改。

 import sys
 
 my_tuple = (1, 2, 3, 4, 5)
 my_list = [1, 2, 3, 4, 5]
 
 print(sys.getsizeof(my_tuple))
 # 80
 print(sys.getsizeof(my_list))
 # 120

元組my_tuple比列表使用更少的內(nèi)存，如果創(chuàng)建后不需要更改數(shù)據(jù)，我們應(yīng)該選擇元組而不是列表。

2、數(shù)組比列表更節(jié)省內(nèi)存

Python中的數(shù)組要求元素具有相同的數(shù)據(jù)類型(例如，所有整數(shù)或所有浮點數(shù))，但列表可以存儲不同類型的對象，這不可避免地需要更多的內(nèi)存。如果列表的元素都是相同類型，使用數(shù)組會更節(jié)省內(nèi)存:

 import sys
 import array
 
 my_list = [i for i in range(1000)]
 
 my_array = array.array('i', [i for i in range(1000)])
 
 print(sys.getsizeof(my_list))  
 # 8856
 print(sys.getsizeof(my_array))
 # 4064

另外：Python是數(shù)據(jù)科學(xué)的主導(dǎo)語言。有許多強大的第三方模塊和工具提供更多的數(shù)據(jù)類型，如NumPy和Pandas。如果我們只需要一個簡單的一維數(shù)字數(shù)組，而不需要NumPy提供的廣泛功能，那么Python的內(nèi)置數(shù)組是一個不錯的選擇。但當涉及到復(fù)雜的矩陣操作時，使用NumPy提供的數(shù)組是所有數(shù)據(jù)科學(xué)家的首選，也可能是最佳選擇。

字符串駐留

看看下面的代碼：

 >>> a = 'Y'*4096
 >>> b = 'Y'*4096
 >>> a is b
 True
 >>> c = 'Y'*4097
 >>> d = 'Y'*4097
 >>> c is d
 False

為什么a是b是真，而c是d是假呢?

這在Python中被稱作字符串駐留（string interning）.如果有幾個值相同的小字符串，它們將被Python隱式地存儲并在內(nèi)存中并引用相同的對象。定義小字符串閾值數(shù)字是4096。

由于c和d的長度為4097，因此它們是內(nèi)存中的兩個對象而不是一個對象，不再隱式駐留字符串。所以當執(zhí)行c = d時，我們得到一個False。

駐留是一種優(yōu)化內(nèi)存使用的強大技術(shù)。如果我們想要顯式地使用它可以使用sys.intern()方法:

 >>> import sys
 >>> c = sys.intern('Y'*4097)
 >>> d = sys.intern('Y'*4097)
 >>> c is d
 True

作者：Yang Zhou

加入知識星球 【我們談?wù)摂?shù)據(jù)科學(xué)】

600+ 小伙伴一起學(xué)習(xí)！

---

---