是否有Python数据stucture对32位和64位平台的内存大小的参考?
如果不是这样,这将是不错的它左右。 越详尽越好! 那么有多少字节由下面的Python结构(取决于所使用的len
和内容类型时,相关的)?
-
int
-
float
- 参考
-
str
- unicode字符串
-
tuple
-
list
-
dict
-
set
-
array.array
-
numpy.array
-
deque
- 新式的类对象
- 老式类对象
- ...一切,我忘了!
(对于只保留到其他对象的引用的容器,我们显然不想算项目本身的大小,因为它可能被共享。)
此外,有一种方式来获得在运行时(递归或不)使用由对象存储器?
从推荐前面一个问题上,这是使用sys.getsizeof() ,报价:
>>> import sys
>>> x = 2
>>> sys.getsizeof(x)
14
>>> sys.getsizeof(sys.getsizeof)
32
>>> sys.getsizeof('this')
38
>>> sys.getsizeof('this also')
48
你可以采取这种做法:
>>> import sys
>>> import decimal
>>>
>>> d = {
... "int": 0,
... "float": 0.0,
... "dict": dict(),
... "set": set(),
... "tuple": tuple(),
... "list": list(),
... "str": "a",
... "unicode": u"a",
... "decimal": decimal.Decimal(0),
... "object": object(),
... }
>>> for k, v in sorted(d.iteritems()):
... print k, sys.getsizeof(v)
...
decimal 40
dict 140
float 16
int 12
list 36
object 8
set 116
str 25
tuple 28
unicode 28
2012-09-30
蟒2.7(Linux中,32位):
decimal 36
dict 136
float 16
int 12
list 32
object 8
set 112
str 22
tuple 24
unicode 32
蟒3.3(Linux操作系统,32位)
decimal 52
dict 144
float 16
int 14
list 32
object 8
set 112
str 26
tuple 24
unicode 26
2016年8月1日
OSX,Python的2.7.10(默认情况下,2015年10月23日,19时十九分21秒)[GCC 4.2.1兼容苹果LLVM 7.0.0(铛-700.0.59.5)]达尔文
decimal 80
dict 280
float 24
int 24
list 72
object 16
set 232
str 38
tuple 56
unicode 52
我一直愉快地使用pympler此类任务。 这与Python的许多版本兼容-在asizeof
在特定的模块可以追溯到2.2!
例如,使用hughdbrown的例子,但与from pympler import asizeof
开始和print asizeof.asizeof(v)
的尽头,我看到(系统的Python 2.5 MacOSX上10.5):
$ python pymp.py
set 120
unicode 32
tuple 32
int 16
decimal 152
float 16
list 40
object 0
dict 144
str 32
很明显,有一些近似这里,但我已经找到了足迹分析和调整它非常有用。
这些答案都收集浅大小信息。 我怀疑是游客到这个问题最终会在这里寻找回答这个问题,“有多大的内存这个复杂的对象吗?”
这里有一个伟大的答案: https://goshippo.com/blog/measure-real-size-any-python-object/
点睛之笔:
import sys
def get_size(obj, seen=None):
"""Recursively finds size of objects"""
size = sys.getsizeof(obj)
if seen is None:
seen = set()
obj_id = id(obj)
if obj_id in seen:
return 0
# Important mark as seen *before* entering recursion to gracefully handle
# self-referential objects
seen.add(obj_id)
if isinstance(obj, dict):
size += sum([get_size(v, seen) for v in obj.values()])
size += sum([get_size(k, seen) for k in obj.keys()])
elif hasattr(obj, '__dict__'):
size += get_size(obj.__dict__, seen)
elif hasattr(obj, '__iter__') and not isinstance(obj, (str, bytes, bytearray)):
size += sum([get_size(i, seen) for i in obj])
return size
使用像这样:
In [1]: get_size(1)
Out[1]: 24
In [2]: get_size([1])
Out[2]: 104
In [3]: get_size([[1]])
Out[3]: 184
如果你想知道Python的内存模型更深入,这里有有相似的代码“累计大小”片段作为一个较长的解释具有很强的文章: https://code.tutsplus.com/tutorials/understand-how-多少记忆,你的Python对象使用- CMS-25609
试试内存分析器。 内存分析器
Line # Mem usage Increment Line Contents
==============================================
3 @profile
4 5.97 MB 0.00 MB def my_func():
5 13.61 MB 7.64 MB a = [1] * (10 ** 6)
6 166.20 MB 152.59 MB b = [2] * (2 * 10 ** 7)
7 13.61 MB -152.59 MB del b
8 13.61 MB 0.00 MB return a
你也可以使用孔雀模块。
>>> from guppy import hpy; hp=hpy()
>>> hp.heap()
Partition of a set of 25853 objects. Total size = 3320992 bytes.
Index Count % Size % Cumulative % Kind (class / dict of class)
0 11731 45 929072 28 929072 28 str
1 5832 23 469760 14 1398832 42 tuple
2 324 1 277728 8 1676560 50 dict (no owner)
3 70 0 216976 7 1893536 57 dict of module
4 199 1 210856 6 2104392 63 dict of type
5 1627 6 208256 6 2312648 70 types.CodeType
6 1592 6 191040 6 2503688 75 function
7 199 1 177008 5 2680696 81 type
8 124 0 135328 4 2816024 85 dict of class
9 1045 4 83600 3 2899624 87 __builtin__.wrapper_descriptor
<90 more rows. Type e.g. '_.more' to view.>
和:
>>> hp.iso(1, [1], "1", (1,), {1:1}, None)
Partition of a set of 6 objects. Total size = 560 bytes.
Index Count % Size % Cumulative % Kind (class / dict of class)
0 1 17 280 50 280 50 dict (no owner)
1 1 17 136 24 416 74 list
2 1 17 64 11 480 86 tuple
3 1 17 40 7 520 93 str
4 1 17 24 4 544 97 int
5 1 17 16 3 560 100 types.NoneType
当您使用dir([对象])的内置功能,可以sizeof运算的内置功能。
>>> a = -1
>>> a.__sizeof__()
24