【免费下载链接】memory_graphTeaching tool and debugging aid in context of references, mutable data types, and shallow and deep copy.项目地址https://gitcode.com/gh_mirrors/me/memory_graph点击查看免费下载想用memory_graph看懂 Python 中的引用、可变类型和浅/深拷贝却不想折腾环境这篇memory_graph 零安装指南帮你快速搞定通过Memory Graph Web Debugger在浏览器中免安装调试 Python 内存结构图并详解如何把 memory_graph 集成到Jupyter Notebook、Google Colab、Marimo等常用环境中几分钟内让数据流动看得见 memory_graph 是什么为什么值得零安装试用memory_graph是一款 Python 教学工具与调试助手核心功能是把你程序中的数据画成内存关系图学习思考 Python 数据的正确心智模型引用、可变性、浅拷贝 vs 深拷贝可视化数据结构轻松理解和调试任何数据列表、字典、对象、树等通过调用栈可视化理解函数调用、变量作用域和完整程序状态它解决了初学者的经典困惑为什么b a之后再改ba也跟着变了在 VS Code 中调试时的效果如下——左边是断点处的变量面板右边是实时刷新的内存图a与b共享同一个列表一目了然 想深入了解原理与更多示例可阅读 README.md。零安装体验Memory Graph Web Debugger 使用步骤Memory Graph Web Debugger是 memory_graph 提供的在线调试器无需任何安装打开即用进入 Memory Graph Web Debugger粘贴或通过 Get URL 载入示例代码设置断点点击Play或Continue逐行执行左侧窗口实时刷新出当前内存图dict变量作用域→list数据的引用关系用Step Over / Step Into / Step Out单步跟踪观察数据如何在函数调用间共享上图中演示的是三种拷贝方式赋值c1 a、浅拷贝c2 copy.copy(a)、深拷贝c4 deepcopy(a)执行后哪些列表被各变量共享、哪些是独立副本——这正是 memory_graph 最想让你看见的东西。该调试器还内置了 src/config.py 对应的配置示例可直接在线运行学习各项mg.config参数。在线 Demo 的完整说明见 README.md。Jupyter Notebook 集成行内显示内存图在 Jupyter 中locals()会混入一些问题变量导致图里出现杂讯。memory_graph 专门提供过滤函数mg.locals_jupyter()获取过滤后的局部变量mg.stack_jupyter()获取过滤后的调用栈mg.create_graph()display()直接在单元格内行内渲染 SVG 图import memory_graph as mg data [] for i in range(5): data.append(i) display(mg.create_graph(mg.locals_jupyter())) # 行内显示 mg.block(mg.show, mg.locals_jupyter()) # 弹出 PDF 阅读器并阻塞完整示例可运行 src/jupyter_example.ipynb左边单元格每追加一个元素就刷新一次行内图右边 PDF 阅读器配合mg.block()实现按 Enter 继续的分步观察。Google Colab 集成免本地环境跑内存图在 Google Colab 上只需先安装再使用 Colab 专属过滤函数!pip install --upgrade memory_graph import memory_graph as mg from IPython.display import SVG mg.render(mg.locals_colab(), graph_locals.svg) # 局部变量 mg.render(mg.stack_colab(), graph_stack.svg) # 调用栈 SVG(filenamegraph_stack.svg)关键函数速查函数用途mg.locals_colab()过滤后的局部变量mg.stack_colab()过滤后的调用栈自动处理cell line: 0帧示例笔记本 src/colab_example.ipynb 演示了在 Colab 中比较赋值、浅拷贝与自定义拷贝时call_stack里各作用域如何共享内层列表。Marimo 集成反应式 Notebook 里的内存图Marimo 是反应式cell-basedNotebookmemory_graph 同样提供了专属过滤函数mg.locals_marimo()和mg.stack_marimo()。⚠️ 注意memory_graph 仅在本地运行 Marimo时可用官方 playground 中无法使用。src/marimo_example.py 展示了典型用法import marimo as mo import memory_graph as mg mo.Html(mg.create_graph(mg.locals_marimo())._repr_image_svg_xml())第一张图是行内显示的局部变量图a、c1、c2、c3的共享关系第二张是custom_copy()函数内部的调用栈图。进阶ipython 自动可视化开关如果你常用 ipython 交互式解释器除了mg.locals_ipython()/mg.stack_ipython()之外还有自动模式把 src/auto_memory_graph.py 放入 ipython 启动目录Linux/Mac~/.ipython/profile_default/startup/启动ipython后输入一行命令即可开关mg_switch() # 打开之后每执行一条命令自动弹出当前内存图 mg_switch() # 再次执行关闭效果在 ipython 里随手敲几行赋值语句PDF 阅读器中就自动出现当前所有变量的内存关系图调试交互式实验非常顺手 附赠VS Code 调试器 Watch 表达式搭配虽然本文聚焦零安装环境但如果以后本地安装了 memory_graphpip install --upgrade memory_graph在 VS Code 调试器里添加watch 表达式是最省心的用法——无需改代码单步调试时 PDF 自动刷新mg.render(mg.stack_vscode(), memory_graph.pdf)不同调试器有对应的调用栈过滤函数mg.stack_vscode()、mg.stack_pycharm()、mg.stack_pdb()等避免调试器自带的栈帧干扰图形完整对照表见 README.md。快速开始清单环境关键函数参考文件Web Debugger免安装浏览器直接用README.mdJupytermg.locals_jupyter()、mg.create_graph()src/jupyter_example.ipynbColabmg.locals_colab()、mg.stack_colab()src/colab_example.ipynbMarimo仅本地mg.locals_marimo()、mg.stack_marimo()src/marimo_example.pyipythonmg_switch()自动模式src/auto_memory_graph.py这些环境适配函数均实现在 memory_graph/init.py 中本地安装时它们与 Web Debugger 共享同一套可视化逻辑随时可以无缝切换。总结先用Web Debugger 零安装快速体验 memory_graph 的内存可视化能力再按需集成到你每天使用的 Jupyter、Colab、Marimo 或 ipython 环境中——让 Python 的引用、可变性与拷贝行为从此一目了然 ✨赞分享【免费下载链接】memory_graphTeaching tool and debugging aid in context of references, mutable data types, and shallow and deep copy.项目地址https://gitcode.com/gh_mirrors/me/memory_graph点击查看免费下载相关推荐marimo迁移指南从Jupyter迁移到marimo的完整流程marimo迁移指南从Jupyter迁移到marimo的完整流程 还在为Jupyter Notebook的隐藏状态、执行顺序混乱和版本控制困难而烦恼吗mar前端后端数据可视化开发工具数据科学在 Jupyter、Colab 与 VSCode 中内嵌 Rerun Viewernotebook 集成指南在 Jupyter、Colab 与 VSCode 中内嵌 Rerun Viewernotebook 集成指南 Rerun 不仅可以在独立桌面窗口中可视化多模态数据可视化数据工程Flyd模块大全aftersilence、batchwhen、droprepeats等18个实用模块详解 Flyd模块大全aftersilence、batchwhen、droprepeats等18个实用模块详解 如果你正在寻找一个 轻量级但功能强大的Java创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考