我们都知道如果内存过多会导致电脑运行速度的变慢，在进行内存释放之前，我们应该先检测一下内存具体占用的数量是多少，而不是一味的追求内存的优化。只有找到内存占用的数量，才好根据情况对应不同的内存释放方法。下面我们从检测内容占用的情况分析，再进一步提出解决问题的代码。

内存占用检测

下面的代码块可以检查变量 variable 所占用的内存。

import sys 
 
variable = 30 
print(sys.getsizeof(variable)) # 24

Python是一个解释器，我们可以在任何时候扩展我们的类，例如，添加一个新的字段:

d1 = DataItem("Alex", 42, "-")
print ("get_size(d1):", get_size(d1))
d1.weight = 66
print ("get_size(d1):", get_size(d1))

非常好，但是如果我们不需要这个功能呢？我们能强制解释器来指定类的列表对象使用__slots__命令：

class DataItem(object):
   __slots__ = ['name', 'age', 'address']
   def __init__(self, name, age, address):
       self.name = name
       self.age = age
       self.address = address

更多信息可以在文档(RTFM)中找到，其中写到“__ dict__和__weakref__”。使用__dict__节省的空间非常大”。

我们确认：是的，确实很重要，get_size (d1)返回…64字节，而不是460字节，即少7倍。另外，创建对象的速度要快20%(请参阅本文的第一个屏幕截图)。

真正使用如此大的内存增益并不是因为其他开销。通过简单地添加元素，创建一个100,000的数组，并查看内存消耗:

<p style="line-height: 1.75em"><span style="font-size: 14px">data = []<br />for p in range(100000):<br />   data.append(DataItem("Alex", 42, "middle of nowhere"))<br />snapshot = tracemalloc.take_snapshot()<br />top_stats = snapshot.statistics('lineno')<br />total = sum(stat.size for stat in top_stats)<br />print("Total allocated size: %.1f MB" % (total / (1024*1024)))<br /></span></p>

我们不使用__slots__占用内存16.8MB，使用时占用6.9MB。这个操作当然不是最好的，但是确实代码改变的最小的。（Not 7 times of course, but it’s not bad at all, considering that the code change was minimal.）

以上就是我们解决内存占用的代码方法了，关键还是要先从内存具体占用的情况开始分析，然后再进行下一步的代码操作。更多Python学习指路:PyThon学习网教学中心。