我的模块memory_profiler能够打印内存使用情况的逐行报告，并且适用于Unix和Windows(最后一个需要psutil)。输出不是很详细，但目标是让您了解代码在哪里消耗了更多内存，而不是对已分配对象的详尽分析。

在用@profile修饰你的函数并使用-m memory_profiler标志运行你的代码之后，它将逐行打印一个报告，如下所示:

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a

我的模块memory_profiler能够打印内存使用情况的逐行报告，并且适用于Unix和Windows(最后一个需要psutil)。输出不是很详细，但目标是让您了解代码在哪里消耗了更多内存，而不是对已分配对象的详尽分析。

在用@profile修饰你的函数并使用-m memory_profiler标志运行你的代码之后，它将逐行打印一个报告，如下所示:

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a

我推荐Dowser。它非常容易安装，您不需要对代码进行任何更改。您可以通过时间查看每种类型的对象的计数，查看活动对象的列表，查看活动对象的引用，所有这些都来自简单的web界面。

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.server.quickstart()
    cherrypy.engine.start(blocking=False)

导入memdebug，并调用memdebug.start。这是所有。

我还没试过PySizer或Heapy。我很感激别人的评价。

更新

上面的代码是针对CherryPy 2的。X, CherryPyX服务器。快速启动方法已删除和引擎。Start不带阻塞标志。如果你用的是CherryPy 3。X

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.engine.start()

Muppy是另一个Python内存使用分析器。这个工具集的重点是识别内存泄漏。

Muppy试图帮助开发人员识别Python应用程序的内存泄漏。它支持在运行时跟踪内存使用情况，并识别正在泄漏的对象。此外，还提供了工具来定位未发布对象的源。

Guppy3使用起来非常简单。在代码中的某些地方，你必须写以下代码:

from guppy import hpy
h = hpy()
print(h.heap())

这将给出如下输出:

Partition of a set of 132527 objects. Total size = 8301532 bytes.
Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
0  35144  27  2140412  26   2140412  26 str
1  38397  29  1309020  16   3449432  42 tuple
2    530   0   739856   9   4189288  50 dict (no owner)

你还可以找到对象被引用的位置，并获得相关的统计数据，但不知为何，这方面的文档有点少。

还有一个图形浏览器，是用Tk编写的。

对于Python 2。x，使用Heapy。

还可以尝试pytracemalloc项目，该项目提供每个Python行号的内存使用量。

EDIT(2014/04):它现在有一个Qt GUI来分析快照。