Python占用的内存比它应该多六倍

Question

我使用下面的简单代码在python中生成一个numpy数组。当我在控制台中打印出对象大小时，我知道该对象正在使用228 MB的内存。但是当我看到我的实际RAM发生了什么时，我得到了一个非常不同的结果。在系统监视器的资源选项卡中，我可以看到在生成此阵列时内存使用量增加了1.3 GB。为了确保它是python的原因，我还看了进程选项卡。同样的事情。过程＆＃34; python3.5＆＃34;在10秒内将内存使用量增加到1.3 GB，这需要脚本完成。

这意味着python占用的内存几乎是此对象的六倍。我会理解管理对象的一定内存开销，但不会增加6倍。我没有找到一个可理解的解释，为什么我不能使用python来解决这个问题。读入文件，大于我记忆的六分之一。

import sys
import numpy as np
scale = 30000000
vector1 = np.array([x for x in range(scale)])
# vector1 = np.array(list(range(scale))) # same thing here
print(((sys.getsizeof(vector1)/1024)/1024.0), 'MB')

感谢您对此有任何可理解的解释。

  

编辑：以及解决问题的方法。

Answer 1

我相信您可以使用try函数解决此问题。

np.arange

当我通过将list-comprehension（即列表）传递给vector1 = np.arange(scale) 构造函数来构建numpy数组时，我正在重现相同的行为。 问题是，用作参数的列表显然没有被垃圾收集。我只能猜测为什么。

tdelenay的评论

该列表正在删除，因为它的引用为零。 Python将内存返回到堆，在创建新对象时可以使用它。堆不会立即将内存返回给系统。这就是进程内存使用量仍然很高的原因。