Python Numpy：每个操作上的内存分配？

numpy是否为对矩阵执行的每个操作分配新矩阵

例如：

A = np.random.rand(10, 20)
A = 2 * A  # Operation 1: Is a copy of A made, and a reference assigned to A?
B = 2 * A  # Operation 2: Does B get a completely different copy of A?
C = A      # Operation 3: Does C get a reference to A?

和切片操作：

A[0, :] = 3

连锁经营怎么样

D = A * B * C  # Elementwise multiplication, if A * B allocates memory, does 
               # (A * B) * C allocate another patch of memory?

---

Numpy是一个很棒的图书馆，但我只想知道在引擎盖下会发生什么。我的直觉是切片操作会修改内存视图，但我不知道赋值。

是的，它会创建新的数组。除了C.C和指向同一内存的点

---

你可以自己测试所有这些。尝试使用

id（A）

命令查看A在内存中的位置。另外，只需创建一个较小的结构并修改部分结构，然后查看a、B和/或C是否也被更新。

请记住，numpy数组是Python对象。Python不断地创建和删除对象。数组的属性显示在

.FLAGS

和

数组界面字典中，例如
形状
和
数据类型
。占用（可能）大量内存的属性是数据缓冲区。它可能有几个字节长，也可能是MB

在可能的情况下，numpy操作尽量避免复制数据缓冲区。编制索引时，如果可能，它将返回一个
视图
。我认为文档对视图和副本进行了比较

但是视图与Python引用不同。共享引用意味着两个变量（或列表或字典中的指针）指向同一个Python对象。
视图
是一个不同的数组对象，但它与另一个数组共享数据缓冲区。副本有自己的数据缓冲区

在您的示例中：

A = np.random.rand(10, 20)

A
是指向数组对象的变量。该对象有一个具有200个浮点（200*8字节）的数据缓冲区

2*A
使用新数据缓冲区创建新对象。它的任何数据值都不能与原始
A
共享
A=…
重新分配
A
变量。旧的
对象“丢失”，最终内存被垃圾回收

B = 2 * A  # Operation 2: Does B get a completely different copy of A?

此
2*A
在新的
A
阵列上运行。对象被分配到
B
<代码>A
保持不变

C = A      # Operation 3: Does C get a reference to A?

是的，这只是普通的Python赋值
C
指的是与
A
相同的对象<代码>id（C）=id（A）

B

是对新数组对象的引用。但该对象与

A

共享数据缓冲区。这是因为只要从不同的点开始，使用不同的

形状

，就可以在缓冲区中找到所需的值

A[0, :] = 3

此LHS切片将更改

a

值的子集。它类似于：

B = A[0, :]
B = 3

但LHS和RHS切片之间存在细微差异。在LHS上，当您获得一个副本而不是一个视图时，您必须更加注意。我特别在

A[idx1，：][：，idx2]=3

这样的表达式中看到了这一点

D = A * B * C 

在这样的计算中，有多少个中间副本的详细信息隐藏在numpy C代码中。最安全的假设是，它会执行以下操作：

temp1 = A*B
temp2 = temp1*C
D = temp2
(temp1 goes to garbage)

---

对于普通的计算来说，不值得担心这些细节。如果你真的在追求速度，你可以在备选方案上做一个

timeit

。偶尔我们会遇到一些关于操作导致

内存错误的问题。进行搜索以获取有关这些的更多详细信息。
回答得好，谢谢。我添加了一个关于链式操作的回复。你知道numpy是如何计算这些值的吗？我不知道确切的情况，但是，一般来说，python将
D=A*B*C
解释为
D=A.。\uuuuuuMul\uuuuu（B）。\uuuuuuMul\uuuuuuu（C）
因此，我假设有一个中间结果是为A*B计算的，然后是为最终分配给D的结果*C计算的。如果你关心这个问题，你可以查看numpy的源代码。你关心的是速度，还是非常大的阵列内存不足？@hpaulj：我关心的是速度，主要是。但记忆是另一件我很在意的事情。
D = A * B * C 

temp1 = A*B
temp2 = temp1*C
D = temp2
(temp1 goes to garbage)