在 Python 中处理大量数据时，你可能会遇到意想不到的内存占用问题。比如需要存储一百万个短字符串或数字，按每个字符串平均 10 字节、每个 64 位整数 8 个字节计算，理论上只需约 8 到 10MB 内存，但实际用 Python 列表存储时，内存使用可能会飙升到几十 MB。这背后的原因是什么？又该如何优化？
问题引入：列表存储的内存'膨胀'
先看一段简单的代码，用普通列表存储一百万个短字符串、相同的短字符串、整数、相同的整数：
str_list = [f"item_{i}" for i in range(1000000)]
same_item_str_list = [f"item" for i in range(1000000)]
num_list = [i for i in range(1000000)]
same_item_num_list = [0 for i in range(1000000)]
直觉上，每个字符串 'item_xxx' 大约 8-10 字节，每个整数 8 个字节，一百万条数据应该在 8 到 10MB 左右。但实际内存使用如何呢？我们用 pympler 来精确测量。
先安装 pympler：
pip install pympler
修改代码，增加测量内存占用情况的打印：
from pympler import asizeof
print(f"str_list 列表内存：{asizeof.asizeof(str_list)/1024/1024:.2f} MB")
print(f"same_item_str_list 列表内存：{asizeof.asizeof(same_item_str_list)/1024/1024:.2f} MB")
print(f"num_list 列表内存：{asizeof.asizeof(num_list)/1024/1024:.2f} MB")
()
