Python中数据类型之间的内存占用

我试图弄明白为什么int8比浮点数据类型使用更多的内存。它不应该更少，因为它应该只使用1字节的内存

import numpy as np
import sys

In [32]: sys.getsizeof(np.int8(29.200))
Out[32]: 25

In [33]: sys.getsizeof(np.int16(29.200))
Out[33]: 26

In [34]: sys.getsizeof(np.int32(29.200))
Out[34]: 28

In [35]: sys.getsizeof(np.float(29.200))
Out[35]: 24

In [36]: sys.getsizeof(np.float32(29.200))
Out[36]: 28

In [37]: sys.getsizeof(np.float64(29.200))
Out[37]: 32

---

像这样在孤立的

np.types

上使用

getsizeof

，信息量不大

np.int8（…）

是一个对象，它不仅包括数据字节，还包括各种numpy属性。它类似于np.array（123，dtype=int8）。换句话说，阵列开销大于数据存储本身

查看

np.ones（（1000，），dtype=np.int8）

等的大小更有用。

getsize

将显示1000个数据字节，外加一个数组“开销”

In [31]: sys.getsizeof(np.int8(123))
Out[31]: 13
In [32]: sys.getsizeof(np.int16(123))   # 1 more byte
Out[32]: 14
In [33]: sys.getsizeof(np.int32(123))   # 2 more bytes
Out[33]: 16
In [34]: sys.getsizeof(np.int64(123))   # 4 more bytes
Out[34]: 24
In [35]: sys.getsizeof(123)
Out[35]: 14

对于这些阵列，有48字节的开销，然后是1000个元素：

In [36]: sys.getsizeof(np.ones(1000, np.int8))  # 1 byte each
Out[36]: 1048
In [37]: sys.getsizeof(np.ones(1000, np.int16))  # 2 bytes each
Out[37]: 2048

In [38]: np.ones(1000, np.int8).itemsize  # np.int8(123).itemsize
Out[38]: 1
In [39]: np.ones(1000, np.int16).itemsize
Out[39]: 2

---

像这样在孤立的

np.types

上使用

getsizeof

，信息量不大

np.int8（…）

是一个对象，它不仅包括数据字节，还包括各种numpy属性。它类似于np.array（123，dtype=int8）。换句话说，阵列开销大于数据存储本身

查看

np.ones（（1000，），dtype=np.int8）

等的大小更有用。

getsize

将显示1000个数据字节，外加一个数组“开销”

In [31]: sys.getsizeof(np.int8(123))
Out[31]: 13
In [32]: sys.getsizeof(np.int16(123))   # 1 more byte
Out[32]: 14
In [33]: sys.getsizeof(np.int32(123))   # 2 more bytes
Out[33]: 16
In [34]: sys.getsizeof(np.int64(123))   # 4 more bytes
Out[34]: 24
In [35]: sys.getsizeof(123)
Out[35]: 14

对于这些阵列，有48字节的开销，然后是1000个元素：

In [36]: sys.getsizeof(np.ones(1000, np.int8))  # 1 byte each
Out[36]: 1048
In [37]: sys.getsizeof(np.ones(1000, np.int16))  # 2 bytes each
Out[37]: 2048

In [38]: np.ones(1000, np.int8).itemsize  # np.int8(123).itemsize
Out[38]: 1
In [39]: np.ones(1000, np.int16).itemsize
Out[39]: 2