Python 为什么在google colab中使用print（）函数可以避免内存不足？

我使用google colab已经有一段时间了，我一直在处理非常大的数据集，有时会破坏google collab的RAM，我实际上最终租用了collab PRO，所以现在我有25GB的RAM，它工作得很好，但发生了一些事情，我用下面的代码耗尽了RAM：

trainX1=np.零（（20035082480））
列1=np.零（200）
P=0
D=0
对于范围（200）内的x：
k=random.randint（0,1）
如果k==1：
如果P<100：
列车X1[x，：，：]=np.load（路径P+'/'+名称P1\U列车[P]）
第1列[x]=0
P=P+1
其他：
列车X1[x，：，：]=np.load（路径D+'/'+名称D1\U列车[D]）
第1列[x]=1
D=D+1
其他：
如果D<100：
列车X1[x，：，：]=np.load（路径D+'/'+名称D1\U列车[D]）
第1列[x]=1
D=D+1
其他：
列车X1[x，：，：]=np.load（路径P+'/'+名称P1\U列车[P]）
第1列[x]=0
P=P+1

很自然地，对于debuggin，我添加了print（x）函数来确定我实际可以处理多少次迭代，但它完成了，所以我真的很困惑，有人知道为什么会发生这种情况吗？ 打印（x）功能是在

---

k=random.randint（0,1）函数

很难说。有一个随机因素。您是否明确设置了随机种子，以确保在添加

打印时执行完全相同的操作？

？不，我没有设置随机种子，但我也测试了写入k=1，结果很好，这是因为使用了random.randint（）函数？我还剩下9GB的RAM