Python 内存错误，程序执行结束时是否有释放内存的命令？

我试图优化我的程序，但我不能再简化它了。获取“内存错误”

关于节目： 我正在对大量数据进行操作，并使用scipy.interpolate在数据末尾获取所需的贴图。还有最小的对象

我的问题和尝试的解决方案： 令人惊讶的是，我的程序没有一直抛出任何“内存错误”，程序运行了8/10次。另外，如果我关闭环境并再次运行它，它也可以完美地工作。所以我想我会使用类似于gc.collect（）的东西，但它没有帮助，是否有任何命令可以在程序执行时清除所有内存和变量，就像在Matlab中一样？？我是Python新手

谢谢

设置底图并将其缩放到关注点位置 我做网格 网格x，网格y=numpy.meshgrid（lx，ly）

将IP_幅值插值到栅格中（x x y尺寸） x，y=m（网格x，网格y）

使用pcolormesh绘制震级值

---

内存不足是因为您的工作环境（Spyder）跟踪某些数据，尽管您尝试使用

gc.collect（）

。这就是这个环境的用途：您可能希望返回到一些早期的结果，它就在那里，由环境缓存。当您多次运行时，内存缓存会累积，并最终变满

关闭Spyder时，操作系统将释放Spyder使用的所有内存，包括保留用于检查的所有内存。这很明显：一旦关闭Spyder，就无法从内存中检索数据：必须重新打开数据文件并再次读取数据

你说它作为一个脚本运行是巨大的。这是没有意义的：您在问题中显示了代码，这实际上很少，Spyder中的代码行应该与独立脚本中的代码行相同。添加一些导入，您就可以开始了

独立运行时，每次脚本结束时，操作系统都会释放已用内存。因此，不会在内存中缓存任何数据，当多次运行时，内存（和数据）将以空白状态启动

---

您提到您是Python新手，但已经习惯了Matlab。想必，您总是从Matlab命令行运行一些东西。使用Python，尝试并学习如何编写独立脚本，并从操作系统（终端）命令行运行这些脚本；不在Python开发或探索环境中。您可以使用这些环境进行快速探索和试错，但对于成熟的数据处理，最好运行独立脚本。

您能给出一个内存不足的具体示例吗？“令人惊讶的是，我的程序没有一直抛出任何‘内存错误’，程序运行了8/10次”并没有真正的帮助。您是作为一个独立的脚本运行，还是在类似IPython环境的环境中运行；我要做的是重新启动内核，并确保没有其他内存密集型应用程序在运行，但我想知道Python中是否有“clear all”/“cls”类型的命令。“restart kernel”。因此，您正在IPython环境中运行，可能是通过IPython笔记本。最好提一下。您最好创建一个独立脚本，并将其用于此类内存密集型计算：一旦脚本完成，操作系统将清除所有内存，您可以再次运行它，而不必担心内存中的数据。除此之外，

del

和

gc.collect（）

可以帮助您，但我不会依赖它，我是从spyder环境运行的，Python2.7是我使用的版本，我处理的数据文件是6.6MB。我有一个主脚本，我对5个子程序进行常规调用，设置底图、插值和绘图，只有在我开始对跨越30度、30度曲面的很长时间进行插值后，我才得到这个“内存错误”。。。。正如我前面提到的，使用gc.collect没有任何帮助。。。关于del是什么？谢谢你的回复，是的，我现在不知道如何形成一个独立的脚本。。。。我有很多导入模块，而且我粘贴的程序只是一些行来给出一个想法，而不是很多。。。

m = basemap.Basemap( llcrnrlon = int(rec_long - 15), llcrnrlat = int(rec_lat - 15) ,
                    urcrnrlon = int(rec_long + 15), urcrnrlat = int(rec_lat + 15),   projection='merc', resolution = 'l' ,
                    lat_0 = rec_lat , lon_0 = rec_long )

m.drawcoastlines(ax=ax)
m.drawmapboundary(fill_color='0.3')
m.fillcontinents(color='gray', lake_color='aqua', ax=ax)
parallels=numpy.linspace(-90,90,6)
m.drawparallels(parallels, labels=[1,1,1,1], fontsize=10)
meridians=numpy.linspace(-180,180,6)
m.drawmeridians(meridians, labels=[1,1,1,1], fontsize=10)

z = scipy.interpolate.griddata((val_rt_long, val_rt_lat), val_rt_data ,(grid_x,grid_y) ,method='nearest')

m.pcolormesh(x ,y , z, cmap=plt.cm.jet)

cb = m.colorbar(location='bottom',pad='7%')