Question

我试图弄清楚为什么int8使用的内存比浮点数据类型多。不应该少，因为它应该只使用1字节的内存。

import numpy as np
import sys

In [32]: sys.getsizeof(np.int8(29.200))
Out[32]: 25

In [33]: sys.getsizeof(np.int16(29.200))
Out[33]: 26

In [34]: sys.getsizeof(np.int32(29.200))
Out[34]: 28

In [35]: sys.getsizeof(np.float(29.200))
Out[35]: 24

In [36]: sys.getsizeof(np.float32(29.200))
Out[36]: 28

In [37]: sys.getsizeof(np.float64(29.200))
Out[37]: 32

Answer 1

在这样的孤立getsizeof上使用np.types并不是非常有用。

np.int8(...)是一个对象，不仅包括数据字节，还包括各种numpy属性。它类似于np.array(123, dtype=int8)。换句话说，数组开销大于数据存储本身。

查看np.ones((1000,), dtype=np.int8)等的大小更有用。getsize将显示1000个数据字节，加上数组＆＃39;开销＆＃39;。

In [31]: sys.getsizeof(np.int8(123))
Out[31]: 13
In [32]: sys.getsizeof(np.int16(123))   # 1 more byte
Out[32]: 14
In [33]: sys.getsizeof(np.int32(123))   # 2 more bytes
Out[33]: 16
In [34]: sys.getsizeof(np.int64(123))   # 4 more bytes
Out[34]: 24
In [35]: sys.getsizeof(123)
Out[35]: 14

对于这些阵列，开销为48字节，然后是1000个元素：

In [36]: sys.getsizeof(np.ones(1000, np.int8))  # 1 byte each
Out[36]: 1048
In [37]: sys.getsizeof(np.ones(1000, np.int16))  # 2 bytes each
Out[37]: 2048

In [38]: np.ones(1000, np.int8).itemsize  # np.int8(123).itemsize
Out[38]: 1
In [39]: np.ones(1000, np.int16).itemsize
Out[39]: 2

Python中数据类型之间的内存使用

1 个答案: