Wielkość w pamięci struktury Pythona

Do takich zadań chętnie używałem pymplera. Jest kompatybilny z wieloma wersjami Pythona - moduł asizeof w szczególności sięga 2.2!

Na przykład, używając przykładu hughdbrown, ale z from pympler import asizeof na początku i print asizeof.asizeof(v) na końcu, widzę (system Python 2.5 na MacOSX 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

Najwyraźniej jest tu jakieś przybliżenie, ale uznałem to za bardzo przydatne do analizy i strojenia footprint.

Wszystkie te odpowiedzi zbierają informacje o niewielkich rozmiarach. Podejrzewam, że odwiedzający to pytanie będą tutaj szukać odpowiedzi na pytanie: "jak duży jest ten złożony obiekt w pamięci?"

Tu jest świetna odpowiedź: https://goshippo.com/blog/measure-real-size-any-python-object/

Puenta:

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

Używane tak:

In [1]: get_size(1)
Out[1]: 24

In [2]: get_size([1])
Out[2]: 104

In [3]: get_size([[1]])
Out[3]: 184

Jeśli chcesz poznać model pamięci Pythona głębiej, jest tu świetny artykuł, który ma podobny " Całkowity rozmiar" fragment kodu jako część dłuższego wyjaśnienia: https://code.tutsplus.com/tutorials/understand-how-much-memory-your-python-objects-use--cms-25609

Spróbuj memory profiler. memory profiler

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

Możesz również użyć modułu guppy.

>>> 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.>

I:

>>> 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

Kiedy używasz wbudowanej funkcji dir([object]), możesz użyć wbudowanej funkcji sizeof .

>>> a = -1
>>> a.__sizeof__()
24