如何在python中以内存有效的方式将矩阵一分为二？

我有一个大型多维矩阵，其中一个索引实际上包含一个数字的实部和虚部

下面是我要优化的代码：

import numpy as np

big_matrix = np.random.random((8,160,23,3,23,80)) # 1240M

tmp1 = np.zeros((8,80,23,3,23,80)) # 620M
tmp2 = np.zeros((8,80,23,3,23,80)) # 620M

for ii in np.arange(80):
  tmp1[:,ii,:,:,:,:] = big_matrix[:,2*ii,:,:,:,:]
  tmp2[:,ii,:,:,:,:] = big_matrix[:,2*ii+1,:,:,:,:]

final_matrix = np.vectorize(complex)(tmp1,tmp2) # 1240M

a = np.sum(final_matrix)

大_矩阵的理论内存大小应为（8*160*23*3*23*80）*8/（1024**2）=1240MB。所以我预计总内存消耗为3.7GB。相反，我的内存消耗增加到11GB。我不明白为什么？我如何优化我的程序，使其以更低的内存成本实现同样的功能

谢谢,

---

Sam.

据我所知，

numpy.vectorize

本质上是一个Python循环，因此效率非常低。您看到的高内存消耗很可能是由它引起的

拆分此数组的方式非常规则，因此只需对其进行切片即可：

tmp1 = big_matrix[:,  ::2, ...]
tmp2 = big_matrix[:, 1::2, ...]

这将为原始阵列创建“视图”，因此不需要额外的内存

查看答案，构造复杂数组的简单方法是：

final_matrix = tmp1 + 1j * tmp2

或更高效的内存：

final_matrix = 1j * tmp2
final_matrix += tmp1

---

如果你只对总数感兴趣，你也可以将实部和虚部分别相加，最后再将它们合并起来。

谢谢！经过这些修改，我的内存使用量从11G增加到了2G左右，这正是我所希望的！