为什么酸洗numpy数组会有很大的开销？

Question

假设我在Python中有一个简单的数组：

>>> x = [1.0, 2.0, 3.0, 4.0]

当腌制时，它的尺寸相当小：

>>> pickle.dumps(x).__len__()
44

为什么我使用numpy数组，尺寸要大得多？

>>> xn = np.array(x)
>>> pickle.dumps(xn).__len__()
187

将其转换为不太精确的数据类型只会有所帮助...

>>> x16 = xn.astype('float16')
>>> pickle.dumps(x16).__len__()
163

其他numpy / scipy数据结构（如稀疏矩阵）也不会很好。为什么呢？

Answer 1

在调试器中检查它，numpy数组除了数据之外还有max，min，type等字段，我不确定python列表是什么。

可在http://docs.scipy.org/doc/numpy/reference/arrays.ndarray.html

上找到完整列表

由于酸洗只是二进制复制，这些其他字段也会被复制，从而导致更大的尺寸。