我试图理解由 numpy“2D”数组引起的差异,即 numpy.zeros((3, )), numpy.zeros((3, 1)), numpy.zeros((1, 3) ).
我使用 id
查看每个元素的内存分配。但是我在 iPython 控制台中发现了一些奇怪的输出。
a = np.zeros((1, 3))
In [174]: id(a[0, 0])
Out[174]: 4491074656
In [175]: id(a[0, 1])
Out[175]: 4491074680
In [176]: id(a[0, 2])
Out[176]: 4491074704
In [177]: id(a[0, 0])
Out[177]: 4491074728
In [178]: id(a[0, 1])
Out[178]: 4491074800
In [179]: id(a)
Out[179]: 4492226688
In [180]: id(a[0, 1])
Out[180]: 4491074752
元素的内存是
- 不连续
- 改变而不重新分配
而且形状为(1, 3)的数组中的元素一开始看起来是连续内存的,但其他形状就不是这样了,比如
In [186]: a = np.zeros((3, ))
In [187]: id(a)
Out[187]: 4490927280
In [188]: id(a[0])
Out[188]: 4491075040
In [189]: id(a[1])
Out[189]: 4491074968
In [191]: a = np.random.rand(4, 1)
In [192]: id(a)
Out[192]: 4491777648
In [193]: id(a[0])
Out[193]: 4491413504
In [194]: id(a[1])
Out[194]: 4479900048
In [195]: id(a[2])
Out[195]: 4491648416
其实我不太确定 id
是否适合在 Python 中检查内存。据我所知,我想在 Python 中没有简单的方法来获取变量的物理地址。
就像C或Java一样,我希望这种“二维”数组中的元素在内存中应该是连续的,这似乎不是真的。此外,id
的结果一直在变化,这让我很困惑。
我对此很感兴趣,因为我正在使用 mpi4py 一点点,我想弄清楚变量是如何在 CPU 之间发送/接收的。
最佳答案
Numpy 数组将其数据保存在与对象本身分离的内存区域中。如下图所示:
要获取数据的地址,您需要创建数组 View 并检查 ctypes.data
属性
是第一个数据元素的地址:
import numpy as np
a = np.zeros((3, 2))
print(a.ctypes.data)
print(a[0:1, 0].ctypes.data)
print(a[0:1, 1].ctypes.data)
print(a[1:2, 0].ctypes.data)
print(a[1:2, 1].ctypes.data)
关于python - python中如何为numpy数组分配内存?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57262885/