使用 %mprun：Hero BMI 2.0

來看看用不同的計算方式是否能節省記憶體。還記得嗎？每位英雄的身高與體重都存放在 numpy 陣列中。這表示你可以利用 NumPy 方便的陣列索引能力與廣播（broadcasting）來進行計算。已經建立一個名為 calc_bmi_arrays 的函式，並儲存在 bmi_arrays.py 檔案中。為了方便，內容如下：

def calc_bmi_arrays(sample_indices, hts, wts):

    # Gather sample heights and weights as arrays
    s_hts = hts[sample_indices]
    s_wts = wts[sample_indices]

    # Convert heights from cm to m and square with broadcasting
    s_hts_m_sqr = (s_hts / 100) ** 2

    # Calculate BMIs as an array using broadcasting
    bmis = s_wts / s_hts_m_sqr

    return bmis

請注意，這個函式使用「陣列」完成所有必要的計算。

來看看這種更新後的陣列做法是否能降低記憶體占用：

• 在你的 IPython 工作階段中載入 memory_profiler 套件。
• 從 bmi_arrays 匯入 calc_bmi_arrays。
• 完成以上步驟後，使用 %mprun 來剖析套用在你的超級英雄資料上的 calc_bmi_arrays() 函式。 sample_indices 陣列、hts 陣列與 wts 陣列已載入到你的工作階段中。

完成撰寫後，請回答下列問題：

「在 calc_bmi_array() 函式中，進行陣列索引與廣播的這幾行程式碼共消耗多少記憶體？（也就是這四行程式碼的 Increment 欄位加總是多少？）」