使用memory_usage()函数了解Python程序中的内存分配情况

在Python中，可以使用memory_usage()函数来了解程序在不同时间点上的内存分配情况。memory_usage()函数位于memory_profiler模块中，需要先安装该模块才能使用。

以下是一个使用memory_usage()函数的例子：

from memory_profiler import memory_usage

def fibonacci(n):
    # 递归计算斐波那契数列
    if n <= 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

# 在计算斐波那契数列时，使用memory_usage函数来监测内存分配情况
mem_usage = memory_usage((fibonacci, (30,))) 

# 输出每个时间点上的内存使用量
for i, mem in enumerate(mem_usage, 1):
    print(f"Memory usage at time point {i}: {mem} MiB")

在上述例子中，我们定义了一个计算斐波那契数列的函数fibonacci()，然后使用memory_usage()函数来监测在计算斐波那契数列时的内存分配情况。

memory_usage()函数接收一个元组作为参数，元组的第一个元素是要监测的函数名，后面是传递给该函数的参数。在这个例子中，我们监测了fibonacci()函数在输入为30时的内存分配情况。

memory_usage()函数返回一个列表，列表中的元素表示不同时间点上的内存使用量。在上述例子中，我们将这个列表赋值给变量mem_usage，然后使用一个for循环遍历并输出每个时间点上的内存使用量。

需要注意的是，memory_usage()函数返回的内存使用量是以MiB（兆字节）为单位的。如果想以其他单位显示，可以自行转换。

使用memory_usage()函数可以帮助我们了解Python程序在不同时间点上的内存分配情况，从而帮助我们优化程序的内存使用。