『Numpy』內存分析_利用共享內存創建數組
引、內存探究常用函數
id()，查詢對象標識，通常返回的是對象的地址
sys.getsizeof()，返回的是 這個對象所占用的空間大小，對於數組來說，除了數組中每個值占用空間外，數組對象還會存儲數組長度、數組類型等其他信息
numpy.ndarray.ctypes.data屬性，返回numpy數組的內存位置
array.array.buffer_info()，數組對象的內存信息，返回元素起始地址和元素個數
help(array.buffer_info)
‘‘‘
buffer_info(self, /)
Return a tuple (address, length) giving the current memory address and the length in items of the bufferused to hold array‘s contents.
‘‘‘
numpy.ndarray.nbytes，獲取數組中存儲的值的占用空間大小
numpy.ndarray.items，獲取數組中每個值的占用空間大小
部分函數試用如下，有意思的是對numpy數組中元素的叠代，它們的id是兩個循環出現的地址，原因不明，
a = np.array([1,2,3,4,5])
a.ctypes.data
# 2199487215904
id(a)
# 2199565580288
sys.getsizeof(a)
# 116
a.nbytes
# 20
a.itemsize
# 4
for i in a:
print(id(i), type(i), i)
# 2199565034888 <class ‘numpy.int32‘> 1
# 2199565034912 <class ‘numpy.int32‘> 2
# 2199565034888 <class ‘numpy.int32‘> 3
# 2199565034912 <class ‘numpy.int32‘> 4
# 2199565034888 <class ‘numpy.int32‘> 5
一、使用array.array和numpy.frombuffer實現動態數組
利用array.array數組對象的內存是確定連續的特性(這也是list為什麽不行的原因，實際上array的buffer_info方法就可以查看內存占用情況，返回)，使用np訪問這塊內存，並指定解析方式，從內存創建數組，
從內存創建數組
此時兩個對象共用內存，修改數據會影響兩者，
import numpy as np from array import array a = array(‘d‘, [1,2,3,4]) na = np.frombuffer(a, dtype=np.float) print(a, na) na[1] = 20 print(a, na)
array(‘d‘, [1.0, 2.0, 3.0, 4.0]) [ 1. 2. 3. 4.]
array(‘d‘, [1.0, 20.0, 3.0, 4.0]) [ 1. 20. 3. 4.]
多維數組創建以及動態添加元素演示
多維就是一維np.array創建後reshape就行了，
import math
buf = array(‘d‘)
for i in range(5):
buf.append(math.sin(i*0.1))
buf.append(math.cos(i*0.1))
data = np.frombuffer(buf, dtype=np.float).reshape(-1,2)
print(data)
[[ 0. 1. ] [ 0.09983342 0.99500417] [ 0.19866933 0.98006658] [ 0.29552021 0.95533649] [ 0.38941834 0.92106099]]
array內存分配機制以及動態數組構建的註意項
import sys
a = array("d")
for i in range(10):
a.append(i)
if i == 2:
na = np.frombuffer(a, dtype=float)
print(a.buffer_info(), sys.getsizeof(a))
if i == 4:
print()
(140269607002576, 1) 96 (140269607002576, 2) 96 (140269607002576, 3) 96 (140269607002576, 4) 96 (140269607286768, 5) 128 (140269607286768, 6) 128 (140269607286768, 7) 128 (140269607286768, 8) 128 (140269607021360, 9) 192 (140269607021360, 10) 192
可以看到初始化後會初始化一段空間，當不夠時會繼續分配一段新的空間。
numpy數組指針初始化於i=2時，所以並未更新到最新數據，可以看到數據解析的並非我們想要的，
print(na.ctypes.data, ‘\n‘, na)
140269607002576
[ 6.93023941e-310 1.01768729e-316 0.00000000e+000]
二、利用struct結構體實現動態結構數組
利用struct結構體接收行，利用bytearray存儲二進制數據，利用frombuffer讀取數據，其中使用需要註意數據解析格式的設定要符合struct接收格式設定
import struct
buf = bytearray()
for i in range(5):
buf += struct.pack(‘=hdd‘,i,math.sin(i*0.1),math.cos(i*0.1)) # ’=‘表示不進行數據內存占用對齊(整形和浮點型占用內存不同)
dtype = np.dtype({‘names‘:[‘id‘,‘sin‘,‘cos‘],‘formats‘:[‘h‘,‘d‘,‘d‘]},align=False) # align表示是否數據已經進行了對齊
data = np.frombuffer(buf,dtype=dtype)
print(data)
print(data[‘id‘],‘\n‘,data[‘sin‘],‘\n‘,data[‘cos‘])
[(0, 0. , 1. )
(1, 0.09983342, 0.99500417) (2, 0.19866933, 0.98006658)
(3, 0.29552021, 0.95533649) (4, 0.38941834, 0.92106099)]
[0 1 2 3 4] [ 0. 0.09983342 0.19866933 0.29552021 0.38941834] [ 1. 0.99500417 0.98006658 0.95533649 0.92106099]
此時保存出來的數組類似表格，和pd的DataFrame格式類似，行索引是0~n，列索引既可以是0~m也可以使用names的字段，見下篇。
『Numpy』內存分析_利用共享內存創建數組