Python高级技巧：用一行代码减少一半内存占用( 二 ) 来源：大数据文摘（ID：BigDataDigest

我们分别得到460和484字节，这似乎更接近事实。
使用这个函数，我们可以进行一系列实验。例如，我想知道如果DataItem放在列表中，数据将占用多少空间。
get_size([d1])函数返回532个字节，显然，这些是“原本的”460+一些额外开销。但是get_size([d1 ， d2])返回863个字节—小于460+484 。 get_size([d1 ， d2 ， d1])的结果更加有趣，它产生了871个字节，只是稍微多了一点，这说明Python很聪明，不会再为同一个对象分配内存。
现在我们来看问题的第二部分。
是否有可能减少内存消耗？
答案是肯定的。 Python是一个解释器，我们可以随时扩展我们的类，例如，添加一个新字段：
d1 = DataItem("Alex", 42, "-")print ("get_size(d1):", get_size(d1))d1.weight = 66print ("get_size(d1):", get_size(d1))这是一个很棒的特点，但是如果我们不需要这个功能，我们可以强制解释器使用slots指令来指定类属性列表：
class DataItem(object):__slots__ = ['name', 'age', 'address']def __init__(self, name, age, address):self.name = nameself.age = ageself.address = address更多信息可以参考文档中的“dict和weakref的部分。使用dict所节省的空间可能会很大” 。
我们尝试后发现：get_size（d1）返回的是64字节，对比460直接，减少约7倍。作为奖励，对象的创建速度提高了约20％（请参阅文章的第一个屏幕截图）。
真正使用如此大的内存增益不会导致其他开销成本。只需添加元素即可创建100,000个数组，并查看内存消耗：
data = http://kandian.youth.cn/index/for p in range(100000):data.append(DataItem("Alex", 42, "middle of nowhere"))snapshot = tracemalloc.take_snapshottop_stats = snapshot.statistics('lineno')total = sum(stat.size for stat in top_stats)print("Total allocated size: %.1f MB" % (total / (1024*1024)))在没有slots的情况结果为16.8MB ，而使用slots时为6.9MB 。当然不是7倍，但考虑到代码变化很小，它的表现依然出色。
现在讨论一下这种方式的缺点。激活slots会禁止创建其他所有元素，包括dict ，这意味着，例如，下面这种将结构转换为json的代码将不起作用：
def toJSON(self):return json.dumps(self.__dict__)但这也很容易搞定，可以通过编程方式生成你的dict ，遍历循环中的所有元素：
def toJSON(self):data = http://kandian.youth.cn/index/dictfor var in self.__slots__:data[var] = getattr(self, var)return json.dumps(data)向类中动态添加新变量也是不可能的，但在我们的项目里，这不是必需的。
下面是最后一个小测试。来看看整个程序需要多少内存。在程序末尾添加一个无限循环，使其持续运行，并查看Windows任务管理器中的内存消耗。
没有slots时
文章插图
69Mb变成27Mb……好吧，毕竟我们节省了内存。对于只添加一行代码的结果来说已经很好了。
注意：tracemalloc调试库使用了大量额外的内存。显然，它为每个创建的对象添加了额外的元素。如果你将其关闭，总内存消耗将会少得多，截图显示了2个选项：
文章插图
如何节省更多的内存？
可以使用numpy库，它允许你以C风格创建结构，但在这个的项目中，它需要更深入地改进代码，所以对我来说第一种方法就足够了。