Speichernutzung von Python-Objekten
Alles ist ein Objekt
Alles in Python ist ein Objekt, einschließlich aller Arten von Konstanten und Variablen, Ganzzahlen, Booleschen Werten und sogar Funktionen. Sehen Sie sich eine Frage zum Stackoverflow an. Ist alles ein Objekt in Python wie Ruby
Sie können es im Code überprüfen:
# everythin in python is object def fuction(): return print isinstance(True, object ) print isinstance(0, object) print isinstance('a', object) print isinstance(fuction, object)
So berechnen Sie
Python stellt die Funktion getsizeof im sys-Modul zur Verfügung Berechnen Sie die Größe von Python-Objekten.
sys.getsizeof(object[, default]) 以字节(byte)为单位返回对象大小。 这个对象可以是任何类型的对象。 所以内置对象都能返回正确的结果 但不保证对第三方扩展有效,因为和具体实现相关。 ...... getsizeof() 调用对象的 __sizeof__ 方法, 如果对象由垃圾收集器管理, 则会加上额外的垃圾收集器开销。
Natürlich hängt die Objektspeichernutzung eng mit der Python-Version und der Betriebssystemversion zusammen Basierend auf dem 32-Bit-Betriebssystem Windows7.
import sys print sys.version
2.7.2 (Standard, 24. Juni 2011, 12:21:10) [MSC v.1500 32 Bit (Intel)]
Basistyp
•Boolescher Typ
print 'Größe von True: %d' % (sys.getsizeof(True)) print 'Größe von False: %d' % (sys.getsizeof (False))
Ausgabe:
Größe von True: 12 Größe von False: 12
•Ganzzahl
# normale Ganzzahl print 'Größe der Ganzzahl : %d' % (sys.getsizeof(1)) # long print 'Größe der langen Ganzzahl: %d' % (sys.getsizeof(1L)) print 'Größe der großen langen Ganzzahl: %d' % (sys. getsizeof (100000L)) Ausgabe:
Größe der Ganzzahl: 12x Größe der langen Ganzzahl 1L: 14 Größe der langen Ganzzahl 100000L: 16
Es ist ersichtlich, dass die Ganzzahl 12 Bytes belegt und die lange Ganzzahl Der Typ belegt mindestens 14 Bytes und der belegte Platz wird mit zunehmender Anzahl von Bits größer. Wenn in Version 2.x der Wert des Ganzzahltyps sys.maxint überschreitet, wird er automatisch zu einer langen Ganzzahl erweitert. Nach Python 3.0 werden Ganzzahlen und lange Ganzzahlen in einem Typ vereinheitlicht.
•Float-Typ
print 'Größe des Floats: %d' % (sys.getsizeof(1.0))
Ausgabe:
Größe des Floats : 16
Der Gleitkommatyp belegt 16 Bytes. Das Überschreiten einer bestimmten Genauigkeit wird abgerundet.
Beziehen Sie sich auf den folgenden Code:
print 1.00000000003 print 1.000000000005
Ausgabe:
1.00000000003. 1.00000000001
•String
# Größe des String-Typs print 'rn'.join(["Größe des Strings mit %d Zeichen: %d" % (len(elem), sys.getsizeof(elem)) für elem in ["" , "a", "ab"]]) # Größe der Unicode-Zeichenfolge print 'rn'.join(["Größe der Unicode-Zeichenfolge mit %d Zeichen: %d" % (len(elem), sys.getsizeof(elem) ) für elem in [u"", u"a", u"ab"]])
Ausgabe:
Größe der Zeichenfolge mit 0 Zeichen: 21 Größe der Zeichenfolge mit 1 Zeichen: 22 Größe der Zeichenfolge mit 2 Zeichen: 23 Größe der Unicode-Zeichenfolge mit 0 Zeichen: 26 Größe der Unicode-Zeichenfolge mit 1 Zeichen: 28 Größe der Unicode-Zeichenfolge mit 2 Zeichen: 30
Eine normale leere Zeichenfolge belegt 21 Bytes. jedes weitere Zeichen belegt 1 Byte mehr. Unicode-Zeichenfolgen belegen mindestens 26 Byte, und jedes zusätzliche Zeichen belegt weitere 2 Byte.
Sammlungstyp
•Liste
# Größe des Listentyps print 'rn'.join(["Größe der Liste mit %d Elementen: %d" % (len(elem), sys.getsizeof(elem)) für elem in [[], [0], [0,2], [0,1,2]]])
Ausgabe:
Größe der Liste mit 0 Elementen: 36 Größe der Liste mit 1 Element: 40 Größe der Liste mit 2 Elementen: 44 Größe der Liste mit 3 Elementen: 48
Die sichtbare Liste nimmt mindestens ein Abschnitt mit 36 Zeichen, jedes zusätzliche Element fügt 4 Bytes hinzu. Beachten Sie jedoch, dass die Funktion sys.getsizeof nicht die Elementgröße des Containertyps berechnet. Zum Beispiel:
print 'Größe der Liste mit 3 Ganzzahlen %d' % (sys.getsizeof([0,1,2])) print 'Größe der Liste mit 3 Zeichenfolgen %d' % (sys. getsizeof (['0','1','2']))
Ausgabe:
Größe der Liste mit 3 Ganzzahlen 48 Größe der Liste mit 3 Zeichenfolgen 48
Was im Container gespeichert ist, sollte eine Referenz auf das Element sein. Wenn Sie den Behälter genau berechnen möchten, können Sie sich auf die rekursive Größe des Rezepts beziehen. Verwenden Sie die Funktion „total_size“, die Sie erhalten:
print 'Gesamtgröße der Liste mit 3 Ganzzahlen %d' % (total_size([0,1,2])) print 'Gesamtgröße der Liste mit 3 Zeichenfolgen %d ' % (total_size(['0','1','2']))
Die Ausgabe ist:
Gesamtgröße der Liste mit 3 Ganzzahlen 84 Gesamtgröße der Liste mit 3 Zeichenfolgen 114
Es ist ersichtlich, dass der von der Liste belegte Platz dem Grundraum 36 + (Objektreferenz 4 + Objektgröße) * Anzahl der Elemente entspricht.
Beachten Sie außerdem, dass, wenn Sie eine Listenvariable deklarieren, diese vorab etwas Platz zuweist, um die Effizienz beim Hinzufügen von Elementen zu erhöhen:
li = [] for i in range(0, 101) : print 'Liste mit %d ganzen Zahlen, Größe: %d, total_size: %d' % (i, getsizeof(li), total_size(li)) li.append(i)
•Tuple
Im Grunde ähnlich einer Liste, benötigt aber mindestens 28 Bytes.
•Wörterbuch
Die Situation des Wörterbuchs ist relativ kompliziert. Weitere Informationen finden Sie im Code dictobject.c. Darüber hinaus lohnt es sich, sorgfältig zu lesen.
Für die Grundsituation können Sie sich auf einige Antworten in der Frage [stackoverflow] beziehen. Pythons zugrunde liegende Hash-Datenstruktur für Wörterbücher:
•Das Wörterbuch hat mindestens 8 Einträge (PyDict_MINSIZE);
•Wenn die Anzahl der Einträge weniger als 50.000 beträgt, wächst sie jedes Mal um das Vierfache;
•Wenn die Anzahl der Einträge größer ist Bei mehr als 50.000 wächst er jedes Mal um das Zweifache.
•Der Hashwert des Schlüssels wird im Wörterbuch zwischengespeichert und nach der Größenänderung des Wörterbuchs nicht neu berechnet.
Die Größe des Wörterbuchs wird jedes Mal geändert es nähert sich 2/3.
Der obige Artikel zur Verwendung des Python-Objektspeichers ist der gesamte vom Herausgeber geteilte Inhalt. Ich hoffe, dass er Ihnen eine Referenz geben kann, und ich hoffe, dass Sie die chinesische PHP-Website unterstützen.
Weitere Artikel zur Nutzung des Python-Objektspeichers finden Sie auf der chinesischen PHP-Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Dieses Tutorial zeigt, wie man Python verwendet, um das statistische Konzept des Zipf -Gesetzes zu verarbeiten, und zeigt die Effizienz des Lesens und Sortierens großer Textdateien von Python bei der Bearbeitung des Gesetzes. Möglicherweise fragen Sie sich, was der Begriff ZiPF -Verteilung bedeutet. Um diesen Begriff zu verstehen, müssen wir zunächst das Zipf -Gesetz definieren. Mach dir keine Sorgen, ich werde versuchen, die Anweisungen zu vereinfachen. Zipf -Gesetz Das Zipf -Gesetz bedeutet einfach: In einem großen natürlichen Sprachkorpus erscheinen die am häufigsten vorkommenden Wörter ungefähr doppelt so häufig wie die zweiten häufigen Wörter, dreimal wie die dritten häufigen Wörter, viermal wie die vierten häufigen Wörter und so weiter. Schauen wir uns ein Beispiel an. Wenn Sie sich den Brown Corpus in amerikanischem Englisch ansehen, werden Sie feststellen, dass das häufigste Wort "Th ist

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Der Umgang mit lauten Bildern ist ein häufiges Problem, insbesondere bei Mobiltelefonen oder mit geringen Auflösungskamera-Fotos. In diesem Tutorial wird die Bildfilterungstechniken in Python unter Verwendung von OpenCV untersucht, um dieses Problem anzugehen. Bildfilterung: Ein leistungsfähiges Werkzeug Bildfilter

Python, ein Favorit für Datenwissenschaft und Verarbeitung, bietet ein reichhaltiges Ökosystem für Hochleistungs-Computing. Die parallele Programmierung in Python stellt jedoch einzigartige Herausforderungen dar. Dieses Tutorial untersucht diese Herausforderungen und konzentriert sich auf die globale Interprete

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Dieses Tutorial zeigt, dass eine benutzerdefinierte Pipeline -Datenstruktur in Python 3 erstellt wird, wobei Klassen und Bedienerüberladungen für verbesserte Funktionen genutzt werden. Die Flexibilität der Pipeline liegt in ihrer Fähigkeit, eine Reihe von Funktionen auf einen Datensatz GE anzuwenden

Serialisierung und Deserialisierung von Python-Objekten sind Schlüsselaspekte eines nicht trivialen Programms. Wenn Sie etwas in einer Python -Datei speichern, führen Sie eine Objektserialisierung und Deserialisierung durch, wenn Sie die Konfigurationsdatei lesen oder auf eine HTTP -Anforderung antworten. In gewisser Weise sind Serialisierung und Deserialisierung die langweiligsten Dinge der Welt. Wen kümmert sich um all diese Formate und Protokolle? Sie möchten einige Python -Objekte bestehen oder streamen und sie zu einem späteren Zeitpunkt vollständig abrufen. Dies ist eine großartige Möglichkeit, die Welt auf konzeptioneller Ebene zu sehen. Auf praktischer Ebene können das von Ihnen ausgewählte Serialisierungsschema, Format oder Protokoll jedoch die Geschwindigkeit, Sicherheit, den Status der Wartungsfreiheit und andere Aspekte des Programms bestimmen

Das Statistikmodul von Python bietet leistungsstarke Datenstatistikanalysefunktionen, mit denen wir die allgemeinen Merkmale von Daten wie Biostatistik und Geschäftsanalyse schnell verstehen können. Anstatt Datenpunkte nacheinander zu betrachten, schauen Sie sich nur Statistiken wie Mittelwert oder Varianz an, um Trends und Merkmale in den ursprünglichen Daten zu ermitteln, die möglicherweise ignoriert werden, und vergleichen Sie große Datensätze einfacher und effektiv. In diesem Tutorial wird erläutert, wie der Mittelwert berechnet und den Grad der Dispersion des Datensatzes gemessen wird. Sofern nicht anders angegeben, unterstützen alle Funktionen in diesem Modul die Berechnung der Mittelwert () -Funktion, anstatt einfach den Durchschnitt zu summieren. Es können auch schwimmende Punktzahlen verwendet werden. zufällig importieren Statistiken importieren Aus Fracti
