Memory 确定对象的内存使用情况？

我想计算出当前工作区中每个对象使用了多少RAM。有什么简单的方法可以做到这一点吗？

不久前，我从：

---

它对我很有用

您可以从以下位置尝试

lsos（）

功能：

R>a b lsos（）
键入行和列的大小
b字符149626NA
数字840 100 NA
R>

1。按对象大小划分

memory.profile()

   NULL      symbol    pairlist     closure environment     promise    language 
      1        9434      183964        4125        1359        6963       49425 
special     builtin        char     logical     integer      double     complex 
    173        1562       20652        7383       13212        4137           1 

要逐个对象获得内存分配，请调用object.size（）并传入感兴趣的对象：

object.size(My_Data_Frame)

（除非传入的参数是一个变量，否则它必须被引用，或者包装在get调用中。）变量名，然后省略引号

您可以在名称空间中循环并获取其中所有对象的大小，如下所示：

for (itm in ls()) { 
    print(formatC(c(itm, object.size(get(itm))), 
        format="d", 
        big.mark=",", 
        width=30), 
        quote=F)
}

2。按对象类型划分

memory.profile()

   NULL      symbol    pairlist     closure environment     promise    language 
      1        9434      183964        4125        1359        6963       49425 
special     builtin        char     logical     integer      double     complex 
    173        1562       20652        7383       13212        4137           1 

要按对象类型获取命名空间的内存使用情况，请使用memory.profile（）

---

（还有另一个函数，memory.size（），但我听说它似乎只在Windows上工作。它只返回一个以MB为单位的值；因此，要获得会话中任何时候使用的最大内存，请使用memory.size（max=T））。

这个问题很久以前就发布过，并且得到了合理的答案，但是我想让您知道另一个有用的技巧，即使用名为的库及其

ll（）

函数获取对象的大小

library(gdata)
ll() # return a dataframe that consists of a variable name as rownames, and class and size (in KB) as columns
subset(ll(), KB > 1000) # list of object that have over 1000 KB
ll()[order(ll()$KB),] # sort by the size (ascending)

使用

dplyr的另一个（稍微漂亮一点的）选项

    data.frame('object' = ls()) %>% 
      dplyr::mutate(size_unit = object %>%sapply(. %>% get() %>% object.size %>% format(., unit = 'auto')),
                    size = as.numeric(sapply(strsplit(size_unit, split = ' '), FUN = function(x) x[1])),
                    unit = factor(sapply(strsplit(size_unit, split = ' '), FUN = function(x) x[2]), levels = c('Gb', 'Mb', 'Kb', 'bytes'))) %>% 
      dplyr::arrange(unit, dplyr::desc(size)) %>% 
      dplyr::select(-size_unit)

下面是一个基于
tidyverse
的函数，用于计算环境中所有对象的大小：

weigh_environment <- function(env){
  
  purrr::map_dfr(env, ~ tibble::tibble("object" = .) %>% 
                   dplyr::mutate(size = object.size(get(.x)),
                                 size = as.numeric(size),
                                 megabytes = size / 1000000))
  
}


weight_环境%
dplyr:：mutate（size=object.size（get（.x）），
尺寸=作为数字（尺寸），
兆字节=大小/1000000））
}
此外，如果想要R会话使用的总内存，可以执行
object.size（x=lappy（ls（），get））
和
print（object.size（x=lappy（ls（），get）），units=“Mb”）
这个漂亮的小突起误导了我，因为我有一个叫做“x”的大东西（提示：它看起来很小）；这里有一个替代方法：
sort（sappy（mget（ls（）），object.size））
。你也可以使用
格式
来获取人类可读的大小：
sort（sappy（ls（），function（x）格式（object.size（get（x）））
@savagent这是正确的，我认为使用
magrittr
更干净一些。可以做
Mb%sapply（.%>%get%%>%object.size%%>%'/'（10^6））
然后
cbind（Mb，“Mb”）%%>%as.data.frame
以人类可读的方式打印有用：
打印（object.size（my_object）、units=“auto”）
或
格式（object.size（my_object）、units=“auto”）
我不明白为什么这个问题被解决了。这个问题问的是确定内存使用情况，这与管理内存的链接“复制”明显不同。例如，没有提到内存使用率的确定。除了所有的答案，我想提及从Advanced R读取内存管理：
weigh_environment <- function(env){
  
  purrr::map_dfr(env, ~ tibble::tibble("object" = .) %>% 
                   dplyr::mutate(size = object.size(get(.x)),
                                 size = as.numeric(size),
                                 megabytes = size / 1000000))
  
}