Taille de la mémoire des variables en Python

Question

Je suis en train d'écrire un code Python pour calculer des grands nombres, et je suis très préoccupé par la mémoire utilisée dans le calcul.

Ainsi, je veux compter chaque bit de chaque variable.

Par exemple, j'ai une variable x qui est un grand nombre, et nous voulons compter le nombre de bits pour représenter x .

Le code suivant est évidemment inutile :

x=2**1000
len(x)

Ainsi, je me tourne vers l'utilisation du code suivant :

x=2**1000
len(repr(x))

La variable x est (en décimal) est :

10715086071862673209484250490600018105614048117055336074437503883703510511249361224931983788156958581275946729175531468251871452856923140435984577574698574803934567774824230985421074605062371141877954182153046474983581941267398767559165543946077062914571196477686542167660429831652624386837205668069376

mais le code ci-dessus renvoie 303

La longue séquence ci-dessus est de longueur 302, et je crois donc que 303 doit être liée à la longueur de la chaîne uniquement.

Donc, voici ma question initiale :

Comment puis-je connaître la taille de la mémoire d'une variable x ?

Encore une chose ; en langage C/C++, si je définis

int z=1;

Cela signifie qu'il y a 4 octets= 32 bits alloués pour z et les bits sont disposés comme suit : 00..001 (31 0 et un 1).

Ici, ma variable x est énorme, je ne sais pas si elle suit la même règle d'allocation de mémoire ?

Answer 1

Utilisez sys.getsizeof pour obtenir la taille d'un objet, en octets.

>>> from sys import getsizeof
>>> a = 42
>>> getsizeof(a)
12
>>> a = 2**1000
>>> getsizeof(a)
146
>>>

Notez que la taille et la disposition d'un objet sont purement spécifiques à l'implémentation. CPython, par exemple, peut utiliser des structures de données internes totalement différentes de celles d'IronPython. La taille d'un objet peut donc varier d'une implémentation à l'autre.

Answer 2

Concernant la structure interne d'un long Python, consultez sys.int_info (ou sys.long_info pour Python 2.7).

>>> import sys
>>> sys.int_info
sys.int_info(bits_per_digit=30, sizeof_digit=4)

Python stocke soit 30 bits dans 4 octets (la plupart des systèmes 64 bits), soit 15 bits dans 2 octets (la plupart des systèmes 32 bits). En comparant l'utilisation réelle de la mémoire avec les valeurs calculées, j'obtiens

>>> import math, sys
>>> a=0
>>> sys.getsizeof(a)
24
>>> a=2**100
>>> sys.getsizeof(a)
40
>>> a=2**1000
>>> sys.getsizeof(a)
160
>>> 24+4*math.ceil(100/30)
40
>>> 24+4*math.ceil(1000/30)
160

Il y a 24 octets d'overhead pour le 0 car aucun bit n'est stocké. Les besoins en mémoire pour les grandes valeurs correspondent aux valeurs calculées.

Si vos nombres sont si importants que vous êtes préoccupé par les 6,25 % de bits inutilisés, vous devriez probablement vous pencher sur l'outil de gestion de l'information. gmpy2 bibliothèque. La représentation interne utilise tous les bits disponibles et les calculs sont nettement plus rapides pour les grandes valeurs (disons, plus de 100 chiffres).