很多情況下，我們需要對已經寫好的Python程序的內存消耗進行優化，但是一段代碼在運行過程中的內存消耗是動態變化的，這種時候就可以用到memory_profiler這個第三方庫，它可以幫助我們分析記錄Python腳本中，執行到每一行時，內存的消耗及波動變化情況。

memory_profiler的使用方法超級簡單，使用pip install memory_profiler完成安裝后，只需要從memory_profiler導入profile并作為要分析的目標函數的裝飾器即可，譬如下面這個例子：

demo.py

import numpy as np
from memory_profiler import profile

@profile
def demo():
    a = np.random.rand(10000000)
    b = np.random.rand(10000000)
    
    a_ = a[a < b]
    b_ = b[a < b]
    
    del a, b

    return a_, b_


if __name__ == '__main__':
    demo()

接著在終端執行python demo.py，稍事等待后，就會看到打印出的分析結果報告(這里我是在jupyter lab里執行的終端命令)：

其中Line #列記錄了分析的各行代碼具體行位置，Mem usage列記錄了當程序執行到該行時，當前進程占用內存的量，Increment記錄了當前行相比上一行內存消耗的變化量，Occurrences記錄了當前行的執行次數(循環、列表推導等代碼行會記作多次)，Line Contents列則記錄了具體對應的行代碼。

通過這樣細致的內存分析結果，我們就能有的放矢地優化我們的代碼啦~