Python优化大字典内存,巧用__slots__技巧
2026-04-14 21:00:50
0浏览
收藏
本文澄清了常见误区:__slots__ 对字典本身完全无效,它仅作用于自定义类实例的属性存储;真正优化大型字典内存需转向更务实的策略——使用紧凑键名、预分配空间、善用生成器,或根据场景切换为 list、array、frozendict、pandas DataFrame 等替代结构,并警惕 clear() 的假性释放和字典固有的高基础开销,最终强调内存优化必须与数据生命周期协同设计,否则再精巧的压缩也徒劳无功。

直接说结论:__slots__ 对字典本身无效,它只作用于类实例的属性存储;想优化大型字典内存,得换思路——用紧凑键、预分配、生成器或替代结构。
__slots__ 为什么对 dict 没用?
很多人看到 __slots__ 能省 40%~50% 内存,就以为能套在 dict 上。但 dict 是内置类型,你不能给它加 __slots__;就算你继承 dict 并定义 __slots__,Python 也不会禁用其内部的 __dict__(它根本没这个东西),更不会压缩哈希表结构。
常见错误现象:
- 写
class MyDict(dict): __slots__ = [],结果内存完全没变化 - 误以为
__slots__能让{'key': 'value'}更小——其实它只影响你自己写的类实例,比如User对象里存的字段
真正能压缩大型字典内存的 3 种做法
Python 3.6+ 的 dict 本身已改用紧凑结构(键值分离 + 稀疏索引表),但你仍可通过以下方式进一步压榨:
- 用短而固定的键名:
{str(i): ...}比{f"user_{i}_profile": ...}节省约 30% 键存储开销(实测 10 万条时差 8MB+) - 避免动态增长:如果知道最终大小,用
dict.fromkeys(keys, default)预分配,比逐个dict[key] = val减少哈希冲突导致的空位浪费 - 考虑替代结构:若键是连续整数,用
list或array.array('i');若只查不改,用frozendict(第三方)或types.MappingProxyType可略微降低运行时开销
clear() 后字典真的更小?是的,但别依赖它
调用 d.clear() 后,sys.getsizeof(d) 会从约 240 字节降到 72 字节,因为底层 keytable 被重置为静态空表 Py_EMPTY_KEYS。但这只是“视觉上”变小——一旦你再插入新项,它立刻按需扩容,内存又涨回去。
容易踩的坑:
- 把
clear()当成内存释放手段,结果发现 RSS(常驻集)没降——因为 Python 不会把内存还给系统,只留着复用 - 反复
clear()+update()大量数据,不如直接新建字典:d = {k: v for ...},避免旧哈希表残留碎片
什么时候该放弃 dict?
当你的“字典”实际是固定 schema 的记录集合(比如 10 万用户信息),继续用 dict 就是浪费:
- 每个
dict实例自带约 240 字节基础开销,10 万条就是额外 24MB - 键字符串重复存储(每个
'user_id'都存一遍),不如用__slots__类 +array或struct打包 - 推荐路径:先用
pandas.DataFrame(memory_usage(deep=True)查真实占用),再根据列类型选numpy.ndarray或pyarrow.Table
最易被忽略的一点:字典内存优化永远要配合数据生命周期看——缓存一个永不淘汰的巨型字典,再怎么压也白搭。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Python优化大字典内存,巧用__slots__技巧》文章吧,也可关注golang学习网公众号了解相关技术文章。
Word插入动态图表及Excel链接方法
- 上一篇
- Word插入动态图表及Excel链接方法
- 下一篇
- 找不到学校?智慧中小学APP搜索技巧分享
查看更多
最新文章
-
- 文章 · python教程 | 4小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 4小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python textwrap.TextWrapper.drop_whitespace 怎样控制换行边缘的空白保留
- 238浏览 收藏
-
- 文章 · python教程 | 7小时前 | python · 文件系统 · Python 文件比较 mtime filecmp.clear_cache filecmp.cmp 比较缓存
- Python filecmp.clear_cache 怎样清除文件比较结果缓存
- 290浏览 收藏
-
- 文章 · python教程 | 8小时前 | 标准库 · 递归 · python · Python 解释器 递归限制 sys.getrecursionlimit
- Python sys.getrecursionlimit 怎样读取解释器设置的递归深度上限
- 129浏览 收藏
-
- 文章 · python教程 | 9小时前 | Python教程 · Python memoryview memoryview.toreadonly bytearray 只读视图 缓冲区协议
- Python memoryview.toreadonly 怎样生成只读视图而不复制底层数据
- 470浏览 收藏
-
- 文章 · python教程 | 10小时前 | 标准库 · Python教程 · Python decimal flags 精度 舍入 Context.copy_abs Decimal.copy_abs
- Python decimal.Context.copy_abs 怎样取绝对值而不受当前精度舍入影响
- 389浏览 收藏
-
- 文章 · python教程 | 11小时前 | 字符串 · 标准库 · Python教程 · Python placeholder 文本截断 textwrap TextWrapper max_lines
- Python textwrap.TextWrapper.placeholder 怎样为截断后的段落设置结束标记
- 301浏览 收藏
-
- 文章 · python教程 | 12小时前 | python · Python 参数绑定 inspect BoundArguments apply_defaults
- Python inspect.BoundArguments.apply_defaults 怎样给已绑定参数补上默认值
- 411浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1100次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1095次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1266次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1205次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1051次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

