Python 巨型numpy阵列中元素的时间访问

我想访问并使用一个巨大的numpy数组的列做一些基本的事情，非稀疏的，充满浮点，形状为200万x 800。 所以基本上：

import numpy as np
a = np.ones(2000000) # 2 millions elts

%timeit np.log10(a)
10 loops, best of 3: 28.8 ms per loop

但是，如果我创建一个包含800列的更大数组，那么对一列的访问时间就高得离谱：

a = np.ones((2000000, 800))  # take 12 Go RAM
b = a[:, 0].copy()  # 6 mins

%timeit np.log10(b)
10 loops, best of 3: 31.4 ms per loop

所以我的问题是：你如何处理这种情况？是否有更好的对象来存储如此大的矩阵，并执行诸如log10、绘图等简单操作？或者我需要欺骗它，比如创建800个np.Array和shape（2000000，）？我已经快速阅读了关于Pytables和hdf的文章，但我不知道这些解决方案是否适合我的问题，乍一看，这看起来非常简单

非常感谢

编辑：我在xp 64位上，数组的数据类型是float64。 我用几种形状测试了这个专栏的访问时间，smth strange出现了：

a = np.ones((1000000, 800), dtype="float64")
%timeit np.log10(a[:, 0])
1 loops, best of 3: 150 ms per loop

及

---

时间访问大约有1050000行，因此我怀疑问题与64位机器上内存分配的最大位大小有关？

您的计算机实际有多少物理RAM？它有8个RAM，但我使用SSD进行交换，所以我可以轻松分配100 Go的RAM，而不会减慢PCUm。。。你认为SSD和RAM一样快吗？真的吗？是的，正如我在刚刚添加到文章中的编辑中提到的，行数稍微少一点，效果很好。我的电脑现在有100万条线路，为我剩余的时间分配了20 Go的RAMcode@RomainL：SSD的访问延迟比RAM慢几个数量级，同样，带宽也低几个数量级。仅仅因为SSD的延迟比HDD低并不意味着它的速度接近RAM。您的计算机实际有多少物理RAM？它有8个RAM，但我使用SSD进行交换，因此我可以轻松分配100个RAM，而不会降低PCUm的速度。。。你认为SSD和RAM一样快吗？真的吗？是的，正如我在刚刚添加到文章中的编辑中提到的，行数稍微少一点，效果很好。我的电脑现在有100万条线路，为我剩余的时间分配了20 Go的RAMcode@RomainL：SSD的访问延迟比RAM慢几个数量级，同样，带宽也低几个数量级。仅仅因为SSD的延迟比HDD低并不意味着它的速度接近RAM。

a = np.ones((1100000, 800), dtype="float64")  # just a few more column
b = np.log10(a[:, 0])  # 6 min 20 sec