是否可以使用numpy创建100万x 100万矩阵？ [重复]

如何解决是否可以使用numpy创建100万x 100万矩阵？ [重复]

|                                                                                                                   这个问题已经在这里有了答案：                                                      

解决方法

        我们可以做简单的数学来找出答案。一百万乘一百万的矩阵具有1,000,000个元素。如果每个元素占用4个字节，则将需要4,000字节的内存。即3.64 TB。 也有可能给定的Python实现使用的数量比单个数字更多。例如，仅从浮点数到双倍数的跃迁就意味着您将需要7.28 TB。 （也有可能Python将数字存储在堆上，而您得到的只是一个指向它的指针，大约使占用空间增加了一倍，甚至不考虑元数据-但这是湿滑的理由，当我总是错的时候我谈论的是Python内部，所以我们不要过多地研究它。） 我想

numpy

没有硬编码的限制，但是如果您的系统没有那么多的可用内存，则实际上没有任何事情可做。     ,        您的矩阵中是否有很多零条目？我怀疑确实如此，很少有人会做那么大的密集问题。 您可以使用稀疏矩阵轻松地做到这一点。 SciPy具有良好的内置功能。http://docs.scipy.org/doc/scipy/reference/sparse.html 稀疏矩阵所需的空间随非零元素的数量而不是尺寸而增长。     ,        您的系统可能没有足够的内存来将矩阵存储在内存中，但是如今，您可能已经有足够的TB级可用磁盘空间。在这种情况下，numpy.memmap允许您将阵列存储在磁盘上，但看起来好像驻留在内存中。 但是，最好重新考虑这个问题。您真的需要这么大的矩阵吗？涉及此计算的任何计算都可能会非常缓慢，并且需要按块进行。