我正在处理大型Numpy阵列，并且在集成阵列等时遇到了一些内存问题。处理这个问题的一个选择是以小增量进行操作，我是这样做的。已经在努力了。但是，由于我的数据的性质，我的数组的大块不存在。
例如，如果我有一个数组，如
x = np.full((100,100,100), np.nan)
在我填充之后，通常它的大块（例如x[90:,:,80:]）根本不存在于我的数据集中，我通过将值保留为NaN来标记，因此当我绘制并执行其他操作时有了它的东西，它就会被忽略，就像它不存在一样。到目前为止一切都很好。
然而，我想知道是否有一种方法可以使用这个对我有利，如果不是将不存在的空格留作np.nan，这会消耗内存，我只是将它们标记为耗尽空间。像
x[90:,:,80:,:] = np.nothing
或类似的东西。我意识到像上面这样的东西是行不通的，因为空间必须在磁盘上标记为阵列占用，但我仍然认为某些方法应该存在。
我看过的东西是稀疏矩阵（但它们只适用于二维阵列），蒙面阵列（不帮助）和np.empty之类的东西（也没有＃＆}＃ 39; t help）。
修改的
不存在的部分总是定义明确的块/块。它们永远不会在整个阵列中随机分布。