为什么numpy.array（）使用的RAM比python列表多得多？

这是我的密码：

import numpy as np
import csv
from sys import getsizeof

def get_csv_data(csv_file):
    """get csv data"""
    csv_data = []
    with open(csv_file, 'r') as f:
        csv_reader = csv.reader(f)
        for row_data in csv_reader:
            csv_data.append(row_data)
    return csv_data


def get_nparray_size():
    p = r'D:\PySpace\DataAnalysisReport\testdata\bbb\test.csv'
    csv_data = get_csv_data(p)
    print('origin size:', getsizeof(csv_data))
    np_data = np.array(csv_data)
    print('np array size:', np_data.nbytes)

此csv文件包含81行1168列

然后输出：

原始尺寸：768， np数组大小：447685056

---

我想知道为什么结果是这样的？

getsizeof

不反映变量的全部内存使用情况，只考虑基本对象大小。对于您的CSV，它将是一个2D数组，如果我理解得很好，则只考虑单个维度；但实际数字的存储将被忽略

---

有关更全面的解释，请参见。

getsizeof

不反映变量的全部内存使用情况，而只考虑基本对象大小。对于您的CSV，它将是一个2D数组，如果我理解得很好，则只考虑单个维度；但实际数字的存储将被忽略

---

另请参阅以获得更全面的解释。

81*1168=94608 so

getsizeof（csv_数据）

可能无法反映数据的真实大小看起来像是您可以查看的东西（在上找到）

getsizeof

只提供列表对象本身的大小，而不是它包含的项目。81*1168=94608 so

getsizeof（csv_数据）

可能无法反映数据的实际大小看起来像是您可以查看（在上找到）

getsizeof

只提供列表对象本身的大小，而不是它包含的项的大小。