从环境设置到内存分析：Python代码优化指南

len(primes(100000))

如不雅我们再次测量，我们可以获得以下结不雅：

Line #    Mem usage    Increment   Line Contents
================================================
    27  35.343750 MiB   0.000000 MiB   @profile(precision=6)
    28                             def primes(n):
    29  35.382812 MiB   0.039062 MiB       if n == 2:
    30                                     return [2]
    31  35.382812 MiB   0.000000 MiB       elif n < 2:
    32                                     return []
    33  35.386719 MiB   0.003906 MiB       s = range(3, n + 1, 2)
    34  35.417969 MiB   0.031250 MiB       mroot = n ** 0.5
    35  35.417969 MiB   0.000000 MiB       half = (n + 1) / 2 - 1
    37  35.421875 MiB   0.003906 MiB       m = 3
    38  58.019531 MiB  22.597656 MiB       while m <= mroot:
    39  58.019531 MiB   0.000000 MiB           if s[i]:
    46  58.019531 MiB   0.000000 MiB           m = 2 * i + 3
    40  58.019531 MiB   0.000000 MiB               j = (m * m - 3) / 2
    41  58.019531 MiB   0.000000 MiB               s[j] = 0
    43  58.019531 MiB   0.000000 MiB                   s[j] = 0
    44  58.019531 MiB   0.000000 MiB                   j += m
    47  58.019531 MiB   0.000000 MiB       l = [2]
    48  58.089844 MiB   0.070312 MiB       for x in s:
    49  58.089844 MiB   0.000000 MiB           if x:
    50  58.089844 MiB   0.000000 MiB               l.append(x)
    51  58.093750 MiB   0.003906 MiB       return l

The governor "powersave" may decide which speed to use

很好，如今我们的内存消费降低到了 22.75 MiB。应用列表解析（list comprehension），我们还可以将消费再降低一点。

from memory_profiler import profile


@profile(precision=6)
def primes(n):
    if n == 2:
        return [2]
    elif n < 2:
        return []
    half = (n + 1) / 2 - 1
    i = 0
    m = 3
        if s[i]:
            j = (m * m - 3) / 2memory_profiler 是一个可用来测量说冥器运行一个负载时的内存用量的库。你可以经由过程 pip 安装它：

            s[j] = 0原文地址：
    https://pythonfiles.wordpress.com/2017/05/15/hunting-python-performance-setup/
    https://pythonfiles.wordpress.com/2017/05/18/hunting-python-performance-part-2/
声明：本文转自机械之心，原文来自Pythonfiles，作者PythonRinf。
            while j < half:
                s[j] = 0
                j += m
        i = i + 1
        m = 2 * i + 3
    return [2] + [x for x in s if x]


len(primes(100000))

再次测量：

Line #    Mem usage    Increment   Line Contents
================================================
     4  35.425781 MiB   0.000000 MiB   @profile(precision=6)
     5                             def primes(n):
     6  35.464844 MiB   0.039062 MiB       if n == 2:
     7                                     return [2]
     8  35.464844 MiB   0.000000 MiB       elif n < 2:
     9                                     return []
    10  35.464844 MiB   0.000000 MiB       s = range(3, n + 1, 2)
    11  35.500000 MiB   0.035156 MiB       mroot = n ** 0.5
    13  35.500000 MiB   0.000000 MiB       i = 0
    14  35.500000 MiB   0.000000 MiB       m = 3
    16  57.683594 MiB   0.000000 MiB           if s[i]:
    17  57.683594 MiB   0.000000 MiB               j = (m * m - 3) / 2
    18  57.683594 MiB   0.000000 MiB               s[j] = 0
    19  57.683594 MiB   0.000000 MiB               while j < half:
    20  57.683594 MiB   0.000000 MiB                   s[j] = 0
    21  57.683594 MiB   0.000000 MiB                   j += m
    22  57.683594 MiB   0.000000 MiB           i = i + 1
    23  57.683594 MiB   0.000000 MiB           m = 2 * i + 3
    24  57.847656 MiB   0.164062 MiB       return [2] + [x for x in s if x]

我们最后的脚本仅消费 22.421875 MiB。比拟于第一个版本，差不多降低了 10%。

s = range(3, n + 1, 2)

【编辑推荐】

数据专家必知必会的7款Python对象
Python调用C模块以及机能分析
一件有趣的事：我用 Python 爬了爬本身的微信同伙
Python Crawler – 网信贷黑名单数据爬取
神经收集理论基本及Python实现

【义务编辑：张子龙 TEL：（010）68476606】

4/4 首页上一页 2 3 4

　　推荐阅读

　　十大经典排序算法的JS版

【技巧沙龙】AI开辟者拭魅战营-7分钟打造1个定制技能。7月22号，我们等你一路！读者自行测验测验可以想看源码戳这(https://github.com/damonare/Sorts)，博主在github建了个库，读者可以>>>详细阅读

本文标题：从环境设置到内存分析：Python代码优化指南

地址：http://www.17bianji.com/lsqh/36268.html

1/2 1