Python 程序在创建大型numpy阵列时冻结

我正在做一个基于Tkinter的项目，其中数组大小有时会高达10^9甚至更多（尽管增加的可能性非常小）。
早些时候，我使用了一个使用循环的简单数组，但在大小为10^6或更大的数组中花费了大量时间，因此我决定将我的方法切换到NumPy，在大多数情况下，它会给出更好的结果，但在上述条件下（大小>=10^9），程序会冻结（有时，即使是计算机也会冻结，除了强制重新启动之外，没有其他选择），这与简单的循环方法不同，这种方法即使对于较大的列表，也会产生结果，但是需要花费大量的时间。
我看了一下，但它涉及到一些术语，如使用堆内存、堆栈大小，我对这些方面知之甚少

我不太习惯stack平台，因此任何建议都将不胜感激

更新：我正在添加一段代码，尝试用numpy-one替换普通列表。注释行是我前面使用的简单列表

def生成（自）：
#t是生成此列表所需的次数
对于范围内的i（self.t）：
self.n=randint（self.n_min，self.n_max）#约束
#self.a=[0]*self.n
self.a=np.random.randint（低=self.a_min，高=self.a_max，大小=self.n）
#对于范围内的j（自身n）：
#self.a[j]=randint（self.a_min，self.a_max）

然后在Tkinter GUI的输出屏幕中插入所有这些值，
这里的“n”即NumPy数组的大小有时会取很高的值

---

我在双启动（win+ubuntu）上，目前的情况是在ubuntu上，我已经分配了500 GB的存储空间，我的笔记本电脑的RAM是8 GB。

对于numpy中的1e9元素float64数组，很可能是8 GB。另外，如果您天真地在该数组上循环（类似于）：

---

这将花费很长时间。避免这样做，并尽可能使用numpy的向量运算。

查看导致问题的代码以及了解计算机中的内存量会很有帮助。此外，请在“我已添加导致问题的代码段”中查看和查看有关提问的其他页面。谢谢adding对于额外的资源，我会尽量遵守这些指导原则。实际上，我所需要做的就是生成该数组并将其插入到输出小部件中，在该数组上循环肯定会花费大量时间。我仍在学习NumPy，并不熟悉它的所有方法。我已经添加了我的笔记本电脑规格，如果这有助于pin指向t的话他提出了一个问题。是的，对于8GB的RAM，您的内存库已经用完了，那么我有什么可能的替代方案，以便在如此大的阵列中与numpy一样快。我读过关于使用堆内存的内容，但不清楚如何做。

for item in big_numpy_arrray: 
   do_something(item)