很多情况下，我们需要对已经写好的Python程序的内存消耗进行优化，但是一段代码在运行过程中的内存消耗是动态变化的，这种时候就可以用到memory_profiler这个第三方库，它可以帮助我们分析记录Python脚本中，执行到每一行时，内存的消耗及波动变化情况。

memory_profiler的使用方法超级简单，使用pip install memory_profiler完成安装后，只需要从memory_profiler导入profile并作为要分析的目标函数的装饰器即可，譬如下面这个例子：

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()
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.

接着在终端执行python demo.py，稍事等待后，就会看到打印出的分析结果报告(这里我是在jupyter lab里执行的终端命令)：

其中Line #列记录了分析的各行代码具体行位置，Mem usage列记录了当程序执行到该行时，当前进程占用内存的量，Increment记录了当前行相比上一行内存消耗的变化量，Occurrences记录了当前行的执行次数(循环、列表推导等代码行会记作多次)，Line Contents列则记录了具体对应的行代码。

通过这样细致的内存分析结果，我们就能有的放矢地优化我们的代码啦~