NumPy 系列(二):数组的创建、数据类型与内存布局
NumPy 系列(二):数组的创建、数据类型与内存布局
一、数组不仅是数值的集合
上一篇介绍了 NumPy 的核心数据结构 ndarray。与 Python 列表相比,ndarray 的重要区别在于,它不仅存储元素,还明确描述了数据的类型、维度和内存访问方式。
一个常规的数值数组可以从三个方面理解:
shape:数组的维度及各维度的长度。dtype:元素的数据类型。strides:沿各个维度移动时,在内存中需要跨越的字节数。
这三个属性共同决定了数组如何表示和访问数据,也是理解 NumPy 性能特征的基础。
二、数组的创建
NumPy 提供多种数组创建方法,以适应不同的数据来源和计算需求。
最直接的方法是使用 np.array(),将 Python 序列转换为数组:
import numpy as np
a = np.array([1, 2, 3])
b = np.array([
[1, 2, 3],
[4, 5, 6]
])
对于不需要逐个指定元素的情况,可以使用专门的构造函数:
np.zeros((2, 3)) # 2行3列,全为0
np.ones((2, 3)) # 2行3列,全为1
np.full((2, 3), 5) # 2行3列,全为5
另外,NumPy 提供了两种常用的序列生成方法:
np.arange(0, 10, 2)
# [0, 2, 4, 6, 8]
np.linspace(0, 10, 5)
# [0, 2.5, 5, 7.5, 10]
arange() 主要根据步长生成序列,通常不包含终点;linspace() 根据指定的元素数量生成等间距序列,默认包含两个端点。
涉及浮点数时,通常更推荐使用 linspace() 控制元素数量,以减少浮点步长误差带来的不确定性。
三、数据类型与存储成本
dtype 是 NumPy 数组的重要属性。它描述元素的数值类型、存储宽度及相关解释规则。
常见的数据类型包括:
| 类型 | 含义 | 每个元素占用 |
|---|---|---|
int32 |
32位有符号整数 | 4字节 |
int64 |
64位有符号整数 | 8字节 |
float32 |
32位浮点数 | 4字节 |
float64 |
64位浮点数 | 8字节 |
bool |
布尔值 | 1字节 |
创建数组时,可以显式指定类型:
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4
print(a.nbytes) # 12
其中,itemsize 表示单个元素占用的字节数,nbytes 表示数组元素对应的逻辑数据字节总量。
对于包含一千万个元素的数组,float32 的数据占用约为 40 MB,而 float64 约为 80 MB。
因此,数据类型的选择会直接影响内存消耗,也可能影响计算性能。
但较小的数据类型并不总是更合适。例如,float32 的有效精度通常只有约 7 位十进制数字,而 float64 约为 15~16 位。具体选择必须结合计算精度要求。
四、数组的内存布局
在 NumPy 中,二维数组的逻辑形状并不直接决定数据的物理存储顺序。
以一个二维数组为例:
a = np.array([
[1, 2, 3],
[4, 5, 6]
], dtype=np.int32)
print(a.shape) # (2, 3)
print(a.strides) # (12, 4)
strides 的结果 (12, 4) 表示:
沿第一个维度移动一个位置,需要跨越 12 字节;沿第二个维度移动一个位置,需要跨越 4 字节。
这对应 C-order,即行优先存储。其元素在内存中的排列顺序为:
1, 2, 3, 4, 5, 6
NumPy 同样支持 Fortran-order,即列优先存储:
b = np.asfortranarray(a)
print(b.strides) # (4, 8)
此时,两个数组的形状和数值完全相同,但底层存储顺序不同。
内存布局会影响数据访问的连续性,进而影响缓存利用率和某些数值运算的执行效率。不过,行优先与列优先不存在绝对的性能优劣,实际效果取决于具体操作及所调用的底层计算库。
五、数组复制与内存共享
NumPy 允许多个数组对象共享底层数据,这能够减少不必要的内存分配。
例如:
a = np.arange(5)
b = np.asarray(a)
c = a.copy()
b[0] = 100
print(a[0]) # 100
print(c[0]) # 0
对于数据类型和布局已经符合要求的普通 ndarray,np.asarray() 通常不会复制数据。因此,修改 b 也会影响 a。
相比之下,copy() 创建独立的数据副本。
需要注意,np.asarray() 并不保证零复制。如果需要转换数据类型或调整内存布局,仍然可能发生复制。
这种区分非常重要。在大规模数值计算中,不必要的复制不仅增加内存开销,也可能导致额外的数据传输成本。
六、结语
NumPy 的数组并非简单地将 Python 列表转换为另一种容器,而是引入了一套明确的数值数据表示机制。
其中,shape 描述逻辑结构,dtype 定义元素的存储与解释方式,strides 决定数据的内存访问规则。
理解这些属性,才能进一步解释为什么某些数组操作几乎不需要额外内存,而另一些操作可能产生完整的数据复制。
下一篇将讨论数组的索引、切片和视图机制,重点说明 NumPy 如何在不复制底层数据的情况下操作多维数组。
下一篇:NumPy 系列(三):数组索引、切片与视图机制
- 点赞
- 收藏
- 关注作者
评论(0)