Python数据存储

Computer Components

一个计算机必须能做4件事：

1. 接受输入
2. 产生输出
3. 存储数据
4. 执行计算

Data Storage

程序中的变量存放在内存中，可以快速的进行访问，而像数据文件这样的数据一般很大存放在硬盘中，访问速度很慢。下面显示的是内存中的存储情况，一个格子是一个byte,发现短整型数据占一个byte,strings的每一个字符占一个byte。利用id(my_var)可以获取到该变量的内存地址。

my_int = 10
int_addr = id(my_int)
my_str = "Hello World"
str_addr = id(my_str)
print(int_addr)
print(str_addr)
'''
10106112
139965952532272
'''

Low-Level And High-Level Programming Languages

前面提到的一个短整型数据占一个byte，一个字符串的每一个字符占一个内存，这是针对低级编程语言，比如C，它与内存的显示的进行交互，当可以直接申请一个长度的byte给一个变量，这样对计算机系统抽象化不够好。而Python这样的高级编程语言，它能够快速轻松的表达逻辑，那么这种方便也带来了一些代价，就是内存的利用率没有C的高，Python的strings和interger都存储为str何int类的对象。

低级程序语言有精确的内存管理以及在机器级别的优化。高级编程语言对于做任务来说很方便，因为他不需要知道内部优化，因为没有内存的限制。对于很多任务来说，内存并不是最需要关心的事情，高级编程语言需要最大限度地提高开发人员的生产力。

• 比如下面这个字符串翻转的功能：
  
  

很明显，python的代码更为简单，而C首先代码很长，其次还需要预先获取一个内来确保这个内存大小合适，而在高级语言中是不需要关心这个问题的。

Data Storage In Python

• 在Python中可以利用sys包中的getsizeof()这个函数来获取一个变量占据了多少个byte:

import sys
my_int = 200
size_of_my_int = sys.getsizeof(my_int)
print(size_of_my_int)
int1 = 10
int2 = 100000
str1 = "Hello"
str2 = "Hi"
int_diff = sys.getsizeof(int1) - sys.getsizeof(int2)
print(int_diff)
str_diff = sys.getsizeof(str1) - sys.getsizeof(str2)
print(str_diff)
'''
28
0
3
'''

-

Integers And Strings In Memory

• 在上一个例子中我们看到10和100000所占的内存相同，表示整型数据站的内存相同，除非这个非常非常的大，才需要更多的内存。 一个整型数据占据28个byte，一个字符占一个byte.

Disk Storage

f = open("list.csv", "r")
list = list(csv.reader(f))

• 像上面这样的list.csv一般是存储在硬盘上的，需要利用open和csv.reader将其从硬盘中读入到内存中，我们可以利用time模块中的time.clock()这个函数来获取处理器当前时间，通过时间差得到硬盘文件处理的时间。下面这段代码比较了内存和硬盘对数据的处理时间：

import time
import csv
before_file_read = time.clock()
f = open("list.csv", "r")
list_from_file = list(csv.reader(f))
after_file_read = time.clock()
file_time = after_file_read - before_file_read
print(file_time)

before_string_parse = time.clock()
list_from_string = "1,2,3,4,5,6,7,8,9,10".split(",")
after_string_parse = time.clock()
RAM_time = after_string_parse - before_string_parse
print(RAM_time)
'''
0.00018099999999998673
4.700000000013027e-05
'''