作者 |

費弗裡

我們即將學習的是：

一行程式碼分析Python程式碼行級別記憶體消耗

。

很多情況下，我們需要對已經寫好的

Python

程式的記憶體消耗進行最佳化，但是一段程式碼在執行過程中的記憶體消耗是動態變化的，這種時候就可以用到

memory_profiler

這個第三方庫，它可以幫助我們分析記錄

Python

指令碼中，執行到每一行時，記憶體的消耗及波動變化情況。

memory_profiler

的使用方法超級簡單，使用

pip install memory_profiler

完成安裝後，只需要從

memory_profiler

匯入

profile

並作為要分析的目標函式的裝飾器即可，譬如下面這個例子：

❝

demo。py

❞

import numpy as npfrom memory_profiler import profile

@profile

defdemo（）：

a = np。random。rand（10000000）    b = np。random。rand（10000000）

a_ = a［a

b_ = b［a

del a， breturn a_， b_if __name__ == ‘__main__’：

demo（）

接著在終端執行

python demo。py

，稍事等待後，就會看到打印出的分析結果報告（這裡我是在

jupyter lab

裡執行的終端命令）：

其中

Line #

列記錄了分析的各行程式碼具體行位置，

Mem usage

列記錄了當程式執行到該行時，當前程序佔用記憶體的量，

Increment

記錄了當前行相比上一行記憶體消耗的變化量，

Occurrences

記錄了當前行的執行次數（迴圈、列表推導等程式碼行會記作多次），

Line Contents

列則記錄了具體對應的行程式碼。

透過這樣細緻的記憶體分析結果，我們就能有的放矢地最佳化我們的程式碼啦~

本期分享結束，咱們下回見~