内存使用：numpy-arrays 与 python-lists

Numpy 以优化数组和优于 python 列表的各种优势而闻名。但是当我检查内存使用情况时，python 列表的空间比 numpy 数组少。我使用的代码在下面输入。谁能解释一下为什么？

import sys
Z = np.zeros((10,10),dtype = int)
A = [[0] * 10] * 10
print(A,'\n',f'{sys.getsizeof(A)} bytes')
print(Z,f'{Z.size * Z.itemsize} bytes')

您没有正确测量；本机 Python 列表仅包含 10 个引用。您还需要添加子列表的总体大小：

>>> sys.getsizeof(A) + sum(map(sys.getsizeof,A))
1496

而且情况可能会变得更糟：子列表中的每个元素也是一个引用（对 int）。很难检查 Python 实现是否对其进行了优化并将实际数字存储在列表中。

您也低估了 numpy 数组的大小，因为它包含一个标题：

>>> Z.size * Z.itemsize
800
>>> sys.getsizeof(Z)
912

无论哪种情况，它都不是一门精确的科学，将取决于您的平台和 Python 实现。

根据规范（https://docs.python.org/3/library/sys.html#sys.getsizeof），“只计算直接归因于对象的内存消耗，而不是它引用的对象的内存消耗。” 同样“getsizeof 调用对象的” sizeof 方法

所以你得到的只是容器的大小（一个列表对象）。

请检查 https://code.activestate.com/recipes/577504/ 以获得完整的大小计算，因为仅使用了两个唯一对象，因此您的示例返回 296 字节。一个列表 [0 0 0 0 0 0 0 0 0 0] 和 int 0。

如果用不同的值初始化列表，整体大小会增加，并且会比 np.array 大，np.array 为 numpy.int32 类型元素保留了 4 字节，加上它自己内部数据结构的大小。