我有一个ASCII文件,它本质上是一个16位有符号整数的网格;磁盘上的文件大小约为300MB。我不需要将文件读入内存,但确实需要将其内容存储为单个容器(容器(,因此对于内存使用的初始测试,我尝试list
并tuples
为内部容器,外部容器始终作为列表理解的list
:
with open(file, 'r') as f:
for _ in range(6):
t = next(f) # skipping some header lines
# Method 1
grid = [line.strip().split() for line in f] # produces a 3.3GB container
# Method 2 (on another run)
grid = [tuple(line.strip().split()) for line in f] # produces a 3.7GB container
在讨论团队中网格的使用之后,我需要将其保留为列表列表,直到某个时间点,然后我将其转换为元组列表以供程序执行。
我好奇的是,一个 300MB 的文件如何将其行存储在容器容器中,并使其整体大小是原始文件大小的 10 倍。每个容器真的占用那么多内存空间来容纳一行吗?
如果您担心将数据存储在内存中,并且不想使用标准库之外的工具,则可能需要查看array
模块。它旨在非常有效地将数字存储在内存中,array.array
类根据要存储的数字的特征接受各种类型代码。以下是您可能希望如何调整模块以供使用的简单演示:
#! /usr/bin/env python3
import array
import io
import pprint
import sys
CONTENT = '''
Header 1
Header 2
Header 3
Header 4
Header 5
Header 6
0 1 2 3 4 -5 -6 -7 -8 -9
-9 -8 -7 -6 -5 4 3 2 1 0 '''
def main():
with io.StringIO(CONTENT) as file:
for _ in range(6):
next(file)
grid = tuple(array.array('h', map(int, line.split())) for line in file)
print('Grid takes up', get_size_of_grid(grid), 'bytes of memory.')
pprint.pprint(grid)
def get_size_of_grid(grid):
return sys.getsizeof(grid) + sum(map(sys.getsizeof, grid))
if __name__ == '__main__':
main()