32 位和 64 位平台上 Python 数据结构的内存大小是否有参考？
如果没有，那么将它放在 SO 上会很好。越详尽越好！那么以下 Python 结构使用了多少字节（取决于len相关的内容类型）？
intfloatstrtuplelistdictsetarray.arraynumpy.arraydeque（对于只保留对其他对象的引用的容器，我们显然不想计算项目本身的大小，因为它可能是共享的。）
此外，有没有办法在运行时（递归或不递归）获取对象使用的内存？
早期问题的建议是使用sys.getsizeof()，引用：
>>> import sys
>>> x = 2
>>> sys.getsizeof(x)
14
>>> sys.getsizeof(sys.getsizeof)
32
>>> sys.getsizeof('this')
38
>>> sys.getsizeof('this also')
48
你可以采取这种方法：
>>> import sys
>>> import decimal
>>>
>>> d = {
... "int": 0,
... "float": 0.0,
... "dict": dict(),
... "set": set(),
... "tuple": tuple(),
... "list": list(),
... "str": "a",
... "unicode": u"a",
... "decimal": decimal.Decimal(0),
... "object": object(),
... }
>>> for k, v in sorted(d.iteritems()):
... print k, sys.getsizeof(v)
...
decimal 40
dict 140
float 16
int 12
list 36
object 8
set 116
str 25
tuple 28
unicode 28
2012-09-30
python 2.7（Linux，32位）：
decimal 36
dict 136
float 16
int 12
list 32
object 8
set 112
str 22
tuple 24
unicode 32
python 3.3（Linux，32位）
decimal 52
dict 144
float 16
int 14
list 32
object 8
set 112
str 26
tuple 24
unicode 26
2016-08-01
OSX，Python 2.7.10（默认，2015 年 10 月 23 日，19:19:21）[GCC 4.2.1 Compatible Apple LLVM 7.0.0 (clang-700.0.59.5)] 在 darwin
decimal 80
dict 280
float 24
int 24
list 72
object 16
set 232
str 38
tuple 56
unicode 52
这些答案都收集了浅层尺寸信息。我怀疑这个问题的访问者最终会在这里回答这个问题，“这个复杂的对象在内存中有多大？”
这里有一个很好的答案：https ://goshippo.com/blog/measure-real-size-any-python-object/
妙语：
import sys
def get_size(obj, seen=None):
"""Recursively finds size of objects"""
size = sys.getsizeof(obj)
if seen is None:
seen = set()
obj_id = id(obj)
if obj_id in seen:
return 0
# Important mark as seen *before* entering recursion to gracefully handle
# self-referential objects
seen.add(obj_id)
if isinstance(obj, dict):
size += sum([get_size(v, seen) for v in obj.values()])
size += sum([get_size(k, seen) for k in obj.keys()])
elif hasattr(obj, '__dict__'):
size += get_size(obj.__dict__, seen)
elif hasattr(obj, '__iter__') and not isinstance(obj, (str, bytes, bytearray)):
size += sum([get_size(i, seen) for i in obj])
return size
像这样使用：
In [1]: get_size(1)
Out[1]: 24
In [2]: get_size([1])
Out[2]: 104
In [3]: get_size([[1]])
Out[3]: 184
如果您想更深入地了解 Python 的内存模型，这里有一篇很棒的文章，其中包含类似“总大小”的代码片段作为更长解释的一部分：https ://code.tutsplus.com/tutorials/understand-how-很多内存-你的-python-objects-use--cms-25609
我一直很高兴地使用pympler来完成这些任务。它与许多版本的 Python 兼容——asizeof特别是该模块可以追溯到 2.2！
例如，使用hughdbrown的例子，但from pympler import asizeof在开始和print asizeof.asizeof(v)结束时，我看到（MacOSX 10.5上的系统Python 2.5）：
$ python pymp.py
set 120
unicode 32
tuple 32
int 16
decimal 152
float 16
list 40
object 0
dict 144
str 32
显然这里有一些近似值，但我发现它对于足迹分析和调整非常有用。
尝试内存分析器。 内存分析器
Line # Mem usage Increment Line Contents
==============================================
3 @profile
4 5.97 MB 0.00 MB def my_func():
5 13.61 MB 7.64 MB a = [1] * (10 ** 6)
6 166.20 MB 152.59 MB b = [2] * (2 * 10 ** 7)
7 13.61 MB -152.59 MB del b
8 13.61 MB 0.00 MB return a
您也可以使用guppy模块。
>>> from guppy import hpy; hp=hpy()
>>> hp.heap()
Partition of a set of 25853 objects. Total size = 3320992 bytes.
Index Count % Size % Cumulative % Kind (class / dict of class)
0 11731 45 929072 28 929072 28 str
1 5832 23 469760 14 1398832 42 tuple
2 324 1 277728 8 1676560 50 dict (no owner)
3 70 0 216976 7 1893536 57 dict of module
4 199 1 210856 6 2104392 63 dict of type
5 1627 6 208256 6 2312648 70 types.CodeType
6 1592 6 191040 6 2503688 75 function
7 199 1 177008 5 2680696 81 type
8 124 0 135328 4 2816024 85 dict of class
9 1045 4 83600 3 2899624 87 __builtin__.wrapper_descriptor
<90 more rows. Type e.g. '_.more' to view.>
和：
>>> hp.iso(1, [1], "1", (1,), {1:1}, None)
Partition of a set of 6 objects. Total size = 560 bytes.
Index Count % Size % Cumulative % Kind (class / dict of class)
0 1 17 280 50 280 50 dict (no owner)
1 1 17 136 24 416 74 list
2 1 17 64 11 480 86 tuple
3 1 17 40 7 520 93 str
4 1 17 24 4 544 97 int
5 1 17 16 3 560 100 types.NoneType
使用dir([object])内置函数时，可以获得__sizeof__内置函数的 。
>>> a = -1
>>> a.__sizeof__()
24
也可以使用tracemallocPython 标准库中的模块。它似乎适用于用 C 实现类的对象（例如，与 Pymler 不同）。