python中numpy数组的内存是如何分配的？

Question

我试图理解由 numpy“2D”数组引起的差异，即 numpy.zeros((3, )), numpy.zeros((3, 1)), numpy.zeros((1, 3)).

我用id查看了每个元素的内存分配。但是我在 iPython 控制台中发现了一些奇怪的输出。

a = np.zeros((1, 3))
In [174]: id(a[0, 0])
Out[174]: 4491074656

In [175]: id(a[0, 1])
Out[175]: 4491074680

In [176]: id(a[0, 2])
Out[176]: 4491074704

In [177]: id(a[0, 0])
Out[177]: 4491074728

In [178]: id(a[0, 1])
Out[178]: 4491074800

In [179]: id(a)
Out[179]: 4492226688

In [180]: id(a[0, 1])
Out[180]: 4491074752

元素的记忆是

不连续
更改而不重新分配

而且形状为(1, 3)的数组中的元素一开始看起来是连续记忆的，但其他形状就不是这样了，比如

In [186]: a = np.zeros((3, ))

In [187]: id(a)
Out[187]: 4490927280

In [188]: id(a[0])
Out[188]: 4491075040

In [189]: id(a[1])
Out[189]: 4491074968

In [191]: a = np.random.rand(4, 1)

In [192]: id(a)
Out[192]: 4491777648

In [193]: id(a[0])
Out[193]: 4491413504

In [194]: id(a[1])
Out[194]: 4479900048

In [195]: id(a[2])
Out[195]: 4491648416

其实我不太确定id是否适合在Python中检查内存。据我所知，我想没有简单的方法来获取 Python.

中变量的物理地址

就像C或Java一样，我希望这种“二维”数组中的元素在内存中应该是连续的，这似乎不是真的。而且id的结果一直在变，真让我费解

我对此很感兴趣，因为我正在使用 mpi4py 一点点，我想弄清楚 CPU 之间的变量是如何 sent/received。

Answer 1

Numpy 数组将其数据保存在与对象本身分开的内存区域中。如下图所示：

要获取数据的地址，您需要创建数组视图并检查 ctypes.data 属性是第一个数据元素的地址：

import numpy as np
a = np.zeros((3, 2))
print(a.ctypes.data)
print(a[0:1, 0].ctypes.data)
print(a[0:1, 1].ctypes.data)
print(a[1:2, 0].ctypes.data)
print(a[1:2, 1].ctypes.data)

python中numpy数组的内存是如何分配的？

How is the memory allocated for numpy arrays in python?

python

numpy

memory

mpi4py