Python 为什么在酸洗numpy阵列时会有很大的开销？

假设我有一个简单的Python数组：

>>> x = [1.0, 2.0, 3.0, 4.0]

腌制时，其尺寸相当小：

>>> pickle.dumps(x).__len__()
44

如果我使用numpy数组，它的大小为什么会大得多

>>> xn = np.array(x)
>>> pickle.dumps(xn).__len__()
187

将其转换为不太精确的数据类型只会有一点帮助

>>> x16 = xn.astype('float16')
>>> pickle.dumps(x16).__len__()
163

---

其他numpy/scipy数据结构（如稀疏矩阵）也不能很好地处理。为什么？

在调试器中检查，numpy数组除了数据之外还有max、min、type等字段，我不确定python列表是否有这些字段

有关完整列表，请访问

---

由于pickle只是一个二进制复制，这些其他字段也被复制，从而导致更大的大小。

pickle.load（pickle.dumps（sparse.coo_matrix（x））

对我来说效果很好。

ndarray

的

pickle

本质上是其

np.save

的字符串版本。它有适度的开销缓冲区（200字节左右）加上一个主数据缓冲区的副本。开销有一些基本信息，如

shape

和

dtype

。数据缓冲区大小完全取决于元素的数量（和数据类型）。它基本上是

x.nbytes

长的。