memory_profiler 是一個用來測量 Python 程式記憶體使用情況的工具，它可以幫助開發者了解程式的記憶體消耗，特別是在執行長時間運行或處理大量數據的程式時非常有用。
有別於tracemalloc模組，memory_profiler能在每一行程式碼上顯示記憶體變化，但相對的就不適合埋在程式內長期監控用，因為很吃效能，比較適合分析大範圍的記憶體使用情況，比如檢測程式中哪些操作消耗了大量的記憶體。特別適合處理大數據集或進行大量數據處理的應用。
tracemalloc模組文章
[Python]查看程式碼占用多少記憶體[Python]使用tracemalloc 模組來比較兩種不同方法所佔用的記憶體大小
memory_profiler
提供了詳細的函數層級的記憶體使用追蹤報告，並可用來檢查程式中哪些部分消耗較多的記憶體。
安裝
要使用 memory_profiler，首先需要安裝它：
pip install memory-profiler
基本用法
memory_profiler 的使用方式主要有兩種：
- 使用
@profile裝飾器來標記需要追蹤的函數。 - 使用
mprof來進行更全面的記憶體分析。
使用 @profile 裝飾器
- 首先，必須將程式碼保存在檔案中，並加上
@profile裝飾器來標記想要追蹤記憶體使用的函數。 - 然後使用
python -m memory_profiler your_script.py執行該檔案。
@profile 程式範例：
from memory_profiler import profile
@profile
def my_func():
a = [1] * (10**6) # 佔用較多記憶體
b = [2] * (2 * 10**7) # 佔用更多記憶體
del b # 釋放記憶體
return a
if __name__ == "__main__":
my_func()
當你執行這段程式碼時，memory_profiler 會提供記憶體使用的詳細資訊，像是每一行程式碼執行時記憶體的變化。
執行指令：
python -m memory_profiler your_script.py
1. Line #（行號）
- 表示程式碼中的行號，即這一行程式碼在檔案中的位置。
2. Mem usage（記憶體使用）
- 程式在執行到這一行時，總的記憶體使用量（以 MiB 為單位，1 MiB ≈ 1.05 MB）。
- 這是實體記憶體的總使用量，包括所有變數、數據結構等佔用的記憶體。
3. Increment（增量）
- 這一行程式碼執行後，記憶體使用量相對於上一行的變化量。
- 如果增量為正，表示這一行程式碼增加了記憶體的使用；如果增量為負，表示記憶體被釋放（例如
del語句釋放了內存）。 - 這是非常重要的一列，因為它能幫助你定位記憶體使用出現異常增長的地方。
4. Occurrences（次數）
- 表示該行程式碼執行的次數。這對於了解循環或多次調用函數的情況非常有用。
- 如果某一行被多次執行，記憶體使用可能會累積，通過這個欄位你可以知道這種累積是否來自於多次調用。
5. Line Contents（程式碼內容）
- 顯示實際的程式碼內容，即每行程式碼的具體內容。
使用 mprof 進行全面分析
除了 @profile 裝飾器外，你也可以使用 mprof 來追蹤整個程式的記憶體使用情況，並生成圖表。
- 首先啟動記憶體追蹤：
mprof run your_script.py
- 然後生成圖表：
mprof plot
首先啟動記憶體追蹤
生成圖表
這將會產生一個圖形，顯示隨著時間變化的記憶體使用情況
謝謝大家觀看，若喜歡的話，希望可以追蹤，點愛心給予鼓勵
若在Jupyter Notebook執行的話
- 安裝 memory_profiler： 如果你還沒有安裝
memory_profiler，可以通過以下指令安裝它：pip install memory-profiler
- 啟用 memory_profiler 魔術命令： 在 Jupyter Notebook 中，使用
%load_ext命令來加載memory_profiler的魔術命令。%load_ext memory_profiler
- 使用 %mprun 魔術命令進行記憶體分析： 在你要進行記憶體分析的函數之前加上
%mprun魔術命令，指定你要分析的函數。
