Python 如何定义具有最低内存消耗的矩阵？

我想在10000000*256维的矩阵中添加10000000个整数。我定义了三种类型的矩阵，以比较哪种定义的内存消耗最低，如下所示：

1) np.zeros ([row, col], dtype = int)
2) np.empty ([row, col], dtype = int)
3) csr_matrix ((row, col), dtype = np.int) .toarray ()

---

在这些定义中，定义为Spar的矩阵具有最少的内存量。前两个定义各自有2GB内存使用，但最后一个矩阵消耗1GB内存。是否有其他方法或库尽可能地压缩矩阵并消耗更少的内存？

具有形状（行、列）和类型

int

的numpy数组使用相同的内存，无论您如何构造它。您可以查看

n字节

或计算

行*col*8

（数据类型int为8字节）。没有任何非零值的稀疏矩阵非常小，但转换为稠密矩阵时不会节省任何内存：

toarray（）

。数组的内存由形状和数据类型固定。值，无论是0或255或其他值都不会改变这一点。如果值介于0和255之间，则应将数据类型设为np.uint8。如果每个阵列条目需要1个字节的存储空间，则这将只需要1个字节。