Matplotlib调用函数后未释放RAM内存的问题排查求助

核心原因 #

从你的内存分析数据能看出关键问题：

• plt.show()执行后内存暴涨到487MiB，但plt.close('all')没有释放任何内存，说明matplotlib的绘图资源（尤其是窗口相关的）没被彻底清理。
• 最终调用gc.collect()后内存仍高于初始值，说明存在循环引用或底层后端资源未释放，导致垃圾回收器无法彻底回收内存。

具体拆解：

1. matplotlib交互式后端的资源残留
   plt.show()会启动交互式后端（比如TkAgg、QtAgg）创建窗口，这些窗口的底层句柄、渲染缓存等资源，仅靠plt.close('all')可能无法完全销毁。递归调用时，这些未释放的资源会不断累积，最终耗尽内存。

2. 超高dpi导致的巨量像素数据残留
   你设置的dpi=10000完全不合理——哪怕是10x10英寸的图，像素量会达到100000×100000，生成的像素数组会占用数GB内存。即使关闭figure，这些巨量数据的引用可能被matplotlib的全局缓存或后端残留持有，无法被GC回收。

3. 递归调用的全局状态污染
   matplotlib依赖全局状态机管理figure和axes，递归调用时，每次函数调用的栈帧可能会保留对全局状态的引用，导致旧的figure对象无法被正确销毁。

解决措施 #

• 改用非交互式后端，避免窗口资源
  在导入pyplot前设置Agg后端，直接保存图片而非显示：

  import matplotlib
  matplotlib.use('Agg')
  import matplotlib.pyplot as plt
  

  用plt.savefig('output.png')替代plt.show()，彻底避免窗口相关的内存泄漏。

• 降低dpi到合理范围
  打印级别的dpi设为300即可，过高的dpi只会徒增内存占用，对实际输出没有意义。

• 使用面向对象API，显式控制资源生命周期
  放弃pyplot的全局状态，改用fig, ax = plt.subplots()的方式，每次绘图后显式关闭并删除figure：

  def my_func():
      a = [1] * (10 ** 6)
      b = [2] * (2 * 10 ** 7)
      c = a + b
      
      fig, ax = plt.subplots(dpi=300)
      ax.plot(np.random.rand(1000), np.random.rand(1000))
      fig.savefig('plot.png')
      
      # 显式清理
      plt.close(fig)
      del a, b, c, fig, ax
      gc.collect()
  

• 替换递归为循环
  递归调用的栈帧会保留引用，改用循环可以避免这种隐式的内存残留，更便于控制每次迭代的资源清理。

内容的提问来源于stack exchange，提问作者Escanyapobres