我正在使用Python（2.6.5）应用程序中的NetworkX（版本1.5）将DiGraph对象（72,000个节点）转换为Numpy（版本1.3）矩阵。我没有确切的数字或代码示例（我正在努力升级到更新的版本以继续测试，如果这是一个老问题）但是将我的图形数据加载到NetworkX.DiGraph中使用了一个微不足道的RAM在VM上46GB的内存。
当我对NetworkX.convert.to_numpy_matrix（DiGraph.nodes（））内存消耗失去控制时。 （我分配的超过46GB）
我和Numpy.eye（）有类似的问题。它会比我估计的更大。例如，Numpy.eye（72000）将消耗超过46GB的ram。
Numpy.eye（）函数创建一个矩阵（2D数组），其中的每个条目都应该占用int的内存。 （2个字节）有一些开销，但我没有试过估计它。
（顶点数*顶点数）* 2个字节 72,000 * 72,000 = 5184000000 5184000000 * 2字节= 10368000000字节或10.3 GB
同样，我有46GB的ram可用。在具有较少ram（8GB）的VM上，Numpy.eye（72000）通常会立即失败并显示“Memory Error”消息。我的46GB虚拟机开始不受控制地占用内存。
任何人都有建议或理由？我已经看到有Numpy内存使用问题的线索，但它们通常都解决了图形的生成方式，而不是Numpy为什么或如何分配内存。
感谢!!!