我有一个形状很大的矩阵（80000，4），其中包含很多数据，其中大部分是我不需要的。
我的过程的一部分涉及计算成对距离矩阵，并且该过程的行数为O（n ^ 2），因此我可以通过下采样来大大减少处理时间
我尝试使用numpy.linspace方法，如下所示：
downsample_factor = np.linspace(0, large_matrix.shape[0]-1, 20000, dtype=int)
large_matrix = large_matrix[downsample_factor, :]
在此示例中，large_matrix的形状为（80000,4），我将其下采样到大约（20000,4）
此代码成功减小了large_matrix的大小，但实际上并未释放内存。
是否还有另一种方法可以通过对大型阵列进行下采样来释放RAM？
编辑：
程序在RAM不足时会收到Killed条消息。我注意到即使在降低采样率之后，大型数组仍会收到Killed条消息，而从小处开始的数组并不会被杀死。