『Numpy』内存分析_利用共享内存创建数组
引、内存探究常用函数
id(),查询对象标识,通常返回的是对象的地址
sys.getsizeof(),返回的是 这个对象所占用的空间大小,对于数组来说,除了数组中每个值占用空间外,数组对象还会存储数组长度、数组类型等其他信息
numpy.ndarray.ctypes.data属性,返回numpy数组的内存位置
array.array.buffer_info(),数组对象的内存信息,返回元素起始地址和元素个数
help(array.buffer_info)
'''
buffer_info(self, /)
Return a tuple (address, length) giving the current memory address and the length in items of the buffer
used to hold array's contents.
'''
numpy.ndarray.nbytes,获取数组中存储的值的占用空间大小
numpy.ndarray.items,获取数组中每个值的占用空间大小
部分函数试用如下,有意思的是对numpy数组中元素的迭代,它们的id是两个循环出现的地址,原因不明,
a = np.array([1,2,3,4,5]) a.ctypes.data # 2199487215904 id(a) # 2199565580288 sys.getsizeof(a) # 116 a.nbytes # 20 a.itemsize # 4 for i in a: print(id(i), type(i), i) # 2199565034888 <class 'numpy.int32'> 1 # 2199565034912 <class 'numpy.int32'> 2 # 2199565034888 <class 'numpy.int32'> 3 # 2199565034912 <class 'numpy.int32'> 4 # 2199565034888 <class 'numpy.int32'> 5
一、使用array.array和numpy.frombuffer实现动态数组
利用array.array数组对象的内存是确定连续的特性(这也是list为什么不行的原因,实际上array的buffer_info方法就可以查看内存占用情况,返回),使用np访问这块内存,并指定解析方式,从内存创建数组,
从内存创建数组
此时两个对象共用内存,修改数据会影响两者,
import numpy as np from array import array a = array('d', [1,2,3,4]) na = np.frombuffer(a, dtype=np.float) print(a, na) na[1] = 20 print(a, na)
array('d', [1.0, 2.0, 3.0, 4.0]) [ 1. 2. 3. 4.]
array('d', [1.0, 20.0, 3.0, 4.0]) [ 1. 20. 3. 4.]
多维数组创建以及动态添加元素演示
多维就是一维np.array创建后reshape就行了,
import math buf = array('d') for i in range(5): buf.append(math.sin(i*0.1)) buf.append(math.cos(i*0.1)) data = np.frombuffer(buf, dtype=np.float).reshape(-1,2) print(data)
[[ 0. 1. ] [ 0.09983342 0.99500417] [ 0.19866933 0.98006658] [ 0.29552021 0.95533649] [ 0.38941834 0.92106099]]
array内存分配机制以及动态数组构建的注意项
import sys a = array("d") for i in range(10): a.append(i) if i == 2: na = np.frombuffer(a, dtype=float) print(a.buffer_info(), sys.getsizeof(a)) if i == 4: print()
(140269607002576, 1) 96 (140269607002576, 2) 96 (140269607002576, 3) 96 (140269607002576, 4) 96 (140269607286768, 5) 128 (140269607286768, 6) 128 (140269607286768, 7) 128 (140269607286768, 8) 128 (140269607021360, 9) 192 (140269607021360, 10) 192
可以看到初始化后会初始化一段空间,当不够时会继续分配一段新的空间。
numpy数组指针初始化于i=2时,所以并未更新到最新数据,可以看到数据解析的并非我们想要的,
print(na.ctypes.data, '\n', na)
140269607002576
[ 6.93023941e-310 1.01768729e-316 0.00000000e+000]
二、利用struct结构体实现动态结构数组
利用struct结构体接收行,利用bytearray存储二进制数据,利用frombuffer读取数据,其中使用需要注意数据解析格式的设定要符合struct接收格式设定
import struct buf = bytearray() for i in range(5): buf += struct.pack('=hdd',i,math.sin(i*0.1),math.cos(i*0.1)) # ’=‘表示不进行数据内存占用对齐(整形和浮点型占用内存不同) dtype = np.dtype({'names':['id','sin','cos'],'formats':['h','d','d']},align=False) # align表示是否数据已经进行了对齐 data = np.frombuffer(buf,dtype=dtype) print(data) print(data['id'],'\n',data['sin'],'\n',data['cos'])
[(0, 0. , 1. )
(1, 0.09983342, 0.99500417) (2, 0.19866933, 0.98006658)
(3, 0.29552021, 0.95533649) (4, 0.38941834, 0.92106099)]
[0 1 2 3 4] [ 0. 0.09983342 0.19866933 0.29552021 0.38941834] [ 1. 0.99500417 0.98006658 0.95533649 0.92106099]
此时保存出来的数组类似表格,和pd的DataFrame格式类似,行索引是0~n,列索引既可以是0~m也可以使用names的字段,见下篇。