すべてはオブジェクトです
Python では、あらゆる種類の定数と変数、整数、ブール値、さらには関数も含めて、すべてがオブジェクトです。 stackoverflow の質問を参照してください。ruby のような Python のすべてのオブジェクトですか
コードで確認できます:
# Python のすべてのものが object def fuction(): return print isinstance(True, object) print isinstance(0, object) ) print isinstance('a', object) print isinstance(fuction, object)
計算方法
Pythonでは、Pythonオブジェクトのサイズを計算するための関数getsizeofがsysモジュールに用意されています。
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。
もちろん、オブジェクトのメモリ使用量は Python のバージョンとオペレーティング システムのバージョンに密接に関係しています。この記事のコードとテスト結果は Windows7 32 ビット オペレーティング システムに基づいています。
import sys print sys.version
2.7.2 (デフォルト、2011年6月24日12:21:10) [MSC v.1500 32 bit (Intel)]
基本型
•Boolean
print 'サイズTrue のサイズ: %d' % (sys.getsizeof(True)) print 'False のサイズ: %d' % (sys.getsizeof(False))
出力:
True のサイズ: 12 False のサイズ: 12
•整数型
# 通常の整数 print '整数のサイズ: %d' % (sys.getsizeof(1)) # long print 'long 整数のサイズ: %d' % (sys.getsizeof(1L)) print '大きな長整数のサイズ: %d' % (sys.getsizeof(100000L)) 出力:
整数のサイズ: 12x 長整数 1L のサイズ: 14 長整数 100000L のサイズ: 16
整数の占有 12 がわかります。長整数は少なくとも 14 バイトを占有し、桁数が増加するにつれて占有されるスペースも大きくなります。 バージョン 2.x では、整数型の値が sys.maxint を超えると、自動的に長整数に拡張されます。 Python 3.0 以降、整数と長整数は 1 つの型に統合されます。
•浮動小数点型
print 'floatのサイズ: %d' % (sys.getsizeof(1.0))
出力:
floatのサイズ: 16
浮動小数点型は16バイトを占有します。一定の精度を超える場合は四捨五入されます。
次のコードを参照してください:
print 1.00000000003 print 1.000000000005
出力:
1.00000000003 1.00000000001
•String
# 文字列型のサイズ print 'rn'.join([" %d 文字の文字列のサイズ: %d" % (len(elem), sys.getsizeof(elem)) for elem in ["", "a", "ab"]]) # Unicode 文字列のサイズ print 'rn'.join(["size %d 文字の Unicode 文字列: %d" % (len(elem), sys.getsizeof(elem)) for elem in [u"", u"a", u"ab"]])
出力:
0 文字の文字列のサイズ: 21 1 文字の文字列のサイズ: 22 2 文字の文字列のサイズ: 23 0 文字の Unicode 文字列のサイズ: 26 1 文字の Unicode 文字列のサイズ: 28 2 文字の Unicode 文字列のサイズ: 30
通常の空の文字列は 21 バイトを占め、追加の文字はさらに 1 バイトを占めます。 Unicode 文字列は最小 26 バイトを占有し、追加の文字ごとにさらに 2 バイトを占有します。
コレクション型
•List
# リスト型のサイズ print 'rn'.join(["%d 要素を含むリストのサイズ: %d" % (len(elem), sys.getsizeof(elem)) for elem in [[], [0], [0,2], [0,1,2]]])
出力:
要素 0 のリストのサイズ: 36 要素 1 のリストのサイズ: 40 2 つの要素を持つリストのサイズ: 44 3 つの要素を持つリストのサイズ: 48
リストは少なくとも 36 バイトを占め、追加の要素ごとに 4 バイトずつ増加することがわかります。ただし、sys.getsizeof 関数はコンテナー タイプの要素サイズを計算しないことに注意してください。例:
print '3 つの整数 %d を含むリストのサイズ' % (sys.getsizeof([0,1,2])) print '3 つの文字列 %d を含むリストのサイズ' % (sys.getsizeof([' 0 ','1','2']))
出力:
3 つの整数を含むリストのサイズ 48 3 つの文字列を含むリストのサイズ 48
コンテナに保存されるものは要素への参照である必要があります。コンテナを正確に計算したい場合は、再帰的な sizeof レシピを参照できます。与えられる total_size 関数を使用します:
print '3 つの整数 %d を含むリストの合計サイズ' % (total_size([0,1,2])) print '3 つの文字列を含むリストの合計サイズ %d' % (total_size ( ['0','1','2']))
出力は次のとおりです:
3 つの整数を含むリストの合計サイズ 84 3 つの文字列を含むリストの合計サイズ 114
リストは基本的なスペース 36 + (オブジェクト参照 4 + オブジェクト サイズ) * 要素の数です。
また、リスト変数を宣言すると、要素を追加する際の効率を上げるためにスペースが事前に割り当てられることにも注意してください:
li = [] for i in range(0, 101): print 'list with %d integers size : %d, total_size: %d' % (i, getsizeof(li), total_size(li)) li.append(i)
•タプル
は基本的にリストに似ていますが、少なくとも28文字必要ですお祭り。
•辞書
もちろん、辞書の状況は比較的複雑です。詳細については、コード dictobject.c を参照してください。さらに、「辞書の最適化に関する注意」を注意深く読む必要があります。
基本的な状況については、[stackoverflow] の質問 Python の辞書の基礎となるハッシュ データ構造に関するいくつかの回答を参照できます。
• 辞書の最小スペースは 8 エントリ (PyDict_MINSIZE) です。
• エントリ数が 50,000 未満の場合、毎回 4 倍に増加します。
• エントリ数が 50,000 を超える場合は、増加します。毎回 2 回;
• キーのハッシュ値は辞書にキャッシュされます。辞書はサイズ変更後に再計算されません。
辞書は 2/3 に近づくたびにサイズ変更されます。
上記の Python オブジェクトのメモリ使用量は、エディターによって共有されたすべての内容です。参考にしていただければ幸いです。また、PHP 中国語 Web サイトもサポートしていただければ幸いです。
Python オブジェクトのメモリ使用量に関連するその他の記事については、PHP 中国語 Web サイトに注目してください。

Arraysinpython、特にvianumpy、arecrucialinscientificComputing fortheirefficienty andversitility.1)彼らは、fornumericaloperations、data analysis、andmachinelearning.2)numpy'simplementation incensuresfasteroperationsthanpasteroperations.3)arayableminablecickick

Pyenv、Venv、およびAnacondaを使用して、さまざまなPythonバージョンを管理できます。 1)Pyenvを使用して、複数のPythonバージョンを管理します。Pyenvをインストールし、グローバルバージョンとローカルバージョンを設定します。 2)VENVを使用して仮想環境を作成して、プロジェクトの依存関係を分離します。 3)Anacondaを使用して、データサイエンスプロジェクトでPythonバージョンを管理します。 4)システムレベルのタスク用にシステムPythonを保持します。これらのツールと戦略を通じて、Pythonのさまざまなバージョンを効果的に管理して、プロジェクトのスムーズな実行を確保できます。

numpyarrayshaveveraladvantages-averstandardpythonarrays:1)thealmuchfasterduetocベースのインプレンテーション、2)アレモレメモリ効率、特にlargedatasets、および3)それらは、拡散化された、構造化された形成術科療法、

パフォーマンスに対する配列の均一性の影響は二重です。1)均一性により、コンパイラはメモリアクセスを最適化し、パフォーマンスを改善できます。 2)しかし、タイプの多様性を制限し、それが非効率につながる可能性があります。要するに、適切なデータ構造を選択することが重要です。

craftexecutablepythonscripts、次のようになります

numpyarraysarasarebetterfornumeroperations andmulti-dimensionaldata、whilethearraymoduleissuitable forbasic、1)numpyexcelsinperformance and forlargedatasentassandcomplexoperations.2)thearraymuremememory-effictientivearientfa

NumPyArraySareBetterforHeavyNumericalComputing、whilethearrayarayismoreSuitableformemory-constrainedprojectswithsimpledatatypes.1)numpyarraysofferarays andatiledance andpeperancedatasandatassandcomplexoperations.2)thearraymoduleisuleiseightweightandmemememe-ef

ctypesallowsinging andmanipulatingc-stylearraysinpython.1)usectypestointerfacewithclibrariesforperformance.2)createc-stylearraysfornumericalcomputations.3)passarraystocfunctions foreffientientoperations.how、how、becuutiousmorymanagemation、performanceo


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

WebStorm Mac版
便利なJavaScript開発ツール

DVWA
Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

メモ帳++7.3.1
使いやすく無料のコードエディター

ホットトピック









