与 Numpy Array 相比，Numpy 矩阵内存大小低答案

【问题标题】：Numpy Matrix Memory size low compared to Numpy Array与 Numpy Array 相比，Numpy 矩阵内存大小低
【发布时间】：2018-10-19 17:39:18
【问题描述】：

我有一个 .npz 文件，我想将它加载到 RAM 中。压缩文件大小为 30MB。我正在执行以下操作将数据加载到 RAM 中。

import numpy as np
from scipy import sparse
from sys import getsizeof

a = sparse.load_npz('compressed/CRS.npz').todense()
getsizeof(a)
# 136
type(a)
# numpy.matrixlib.defmatrix.matrix
b = np.array(a)
getsizeof(b)
# 64000112
type(b)
# numpy.ndarray

与numpy.arrray相比，为什么numpy.matrix对象占用的内存非常小？ a 和 b 具有相同的维度和数据。

【问题讨论】：

Python memory usage of numpy arrays的可能重复
如果您使用.toarray()，您将获得完整尺寸。 .todense 在其上添加 asmatrix 层，创建视图。那是一个实现细节。一般来说getsizeof 不是一个可靠的衡量标准。它有点适用于数组，但对列表毫无价值。

标签： python numpy memory

【解决方案1】：

您的a 矩阵是另一个数组的视图，因此基础数据不计入其getsizeof。您可以通过检查 a.base is not None 或者通过查看 a.flags 中的 OWNDATA 标志是 False 来看到这一点。

您的b 数组不是视图，因此基础数据计入其getsizeof。

numpy.matrix 不提供任何内存节省。

【讨论】：