vscode 的 watch 窗口不显示内存占用，仅支持表达式求值；查 python 对象真实内存需用 pympler.asizeof（递归计算引用图）或专用方法如 df.memory_usage(deep=true).sum()。
VSCode 的变量监视区（Watch）本身不显示内存占用，它只展示值、类型和结构；要查 Python 对象真实内存，必须跳出调试界面，用运行时工具主动测量。
sys.getsizeof() 只算表层，别当真
sys.getsizeof() 返回的是对象自身的底层 C 结构体大小，对容器类完全不可靠：一个空 dict 返回 240 字节，但里面塞进 10 万个键值对后，它可能还是 240——因为内部哈希表、指针、缓冲区等开销全没算进去。
- 适用场景：快速估算简单对象（如
int、str短字符串）的底层开销 - 常见错误现象：
sys.getsizeof(my_list)返回几百字节，实际占几十 MB，误以为没泄漏 - 关键限制：不递归，不追踪引用，不处理共享内存（如字符串 intern）
pympler.asizeof 是目前最实用的离线分析方案
真正要查“这个 dict 带着它所有 key/value/嵌套对象一共占多少”，得用 pympler.asizeof.asizeof()。它会遍历整个引用图，跳过重复引用（默认），给出近似总大小。
- 安装：
pip install pympler - 在断点处直接写（或调试控制台输入）：
from pympler import asizeof; asizeof.asizeof(large_df) - 加
detail=1可看分项（但极慢，仅限单次诊断）：asizeof.asizeof(obj, detail=1) - 性能警告：调用本身有毫秒级开销，绝不能放在热循环或高频回调里
Watch 窗口能帮你“定位”要测的对象，但不能“测量”
Watch 不是内存工具，而是作用域表达式求值器。它的价值在于快速确认你正盯着哪个变量，避免测错目标。
- 输入
len(data)或type(cache)辅助判断对象规模和类型 - 输入
id(my_dict)能确认是否同一对象（比如验证缓存复用是否生效） - 别指望 Watch 显示
memory_usage字段——Python 运行时根本不提供这种调试器接口 - Watch 里输
sys.getsizeof(x)可以，但结果仍是上面说的“表层值”，容易误导
最常被忽略的一点：pympler 的结果是估算值，不是 V8 那种精确堆快照；它依赖 Python 的 __sizeof__ 和 GC 跟踪，对 C 扩展对象（如 NumPy 数组、Pandas DataFrame）支持有限——这时得配合 arr.nbytes 或 df.memory_usage(deep=True).sum() 单独查。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
