NumPy 数组真的比 python 列表占用更少的内存吗？

Question

请参考下面的执行 -

import sys

_list = [2,55,87]
print(f'1 - Memory used by Python List - {sys.getsizeof(_list)}')
      
narray = np.array([2,55,87])
size = narray.size * narray.itemsize
print(f'2 - Memory usage of np array using itemsize  - {size}')
print(f'3 - Memory usage of np array using getsizeof  - {sys.getsizeof(narray)}')

这是我得到的结果

1 - Memory used by Python List - 80
2 - Memory usage of np array using itemsize  - 12
3 - Memory usage of np array using getsizeof  - 116

一种计算方法表明 numpy 数组消耗的内存太少，但另一种方法说它比常规 python 列表消耗更多？我不应该将 getSizeOf 与 numpy 数组一起使用吗？我在这里做错了什么？

编辑 - 我刚刚检查过，一个空的 python 列表消耗 56 个字节，而一个空的 np 数组消耗 104 个字节。这个空间是否用于指向关联的内置方法和属性？

Answer 1

计算使用：

\n

size = narray.size * narray.itemsize\n

\n

不包括数组对象的非元素属性消耗的内存。这可以通过以下文档进行验证ndarray.nbytes：

\n

>>> x = np.zeros((3,5,2), dtype=np.complex128)\n>>> x.nbytes\n480\n>>> np.prod(x.shape) * x.itemsize\n480\n

\n

在上面的链接中，可以看到ndarray.nbytes：

\n

\n

不包括数组对象的非元素属性\n所消耗的内存。

\n

\n

请注意，从上面的代码中您可以得出结论，您的计算排除了非元素属性，因为该值等于 中的值ndarray.nbytes。

\n

非元素属性的列表可以在Array Attributes部分中找到，为了完整起见，包括在此处：

\n

\n

ndarray.flags有关数组内存布局的信息。
\n ndarray.shape数组维度的元组。
\n ndarray.strides遍历数组时在每个维度中步进的\n字节元组。
\n ndarray.ndim数组维数。
\n ndarray.data指向数组\xe2\x80\x99s 数据开头的 Python 缓冲区对象。
\n ndarray.size数组中的元素数量。
\n ndarray.itemsize一个数组元素的长度（以字节为单位）。
\n ndarray.nbytes数组元素消耗的总字节数。
\n ndarray.base基础对象（如果内存来自其他对象）。

\n

\n

关于sys.getsizeof它，可以在文档（强调我的）中读到：

\n

\n

仅考虑直接归因于该对象的内存消耗，\n而不考虑其引用的对象的内存消耗。

\n

\n