NumPy - 数组元素大小

NumPy 数组元素大小

NumPy 数组中的 itemsize 属性指示数组中每个元素的大小(以字节为单位)。此大小由数组元素的数据类型(例如，整数、浮点数)决定。

通过了解元素大小，您可以估算数组的总内存消耗。这对于理解数组的内存布局和存储需求非常重要，尤其是在处理大型数据集时。

访问数组元素大小

您可以使用 itemsize 属性访问 NumPy 数组的元素大小。此属性返回一个整数，表示数组中每个元素的大小(以字节为单位)。

示例

在以下示例中，我们将访问一个整数数组和一个浮点数组的项大小 -

import numpy as np

# 创建具有不同数据类型的数组
array_int32 = np.array([1, 2, 3], dtype=np.int32)
array_float64 = np.array([1.0, 2.0, 3.0], dtype=np.float64)

# 检查项大小
print("int32 数组的项大小:", array_int32.itemsize)
print("float64 数组的项大小:", array_float64.itemsize)

以下是得到的输出 −

int32 数组的项大小:4
float64 数组的项大小:8

计算项大小的内存使用量

要计算数组占用的总内存，可以将"项大小"乘以数组中元素的总数。

例如，如果一个数组有"1000"个元素，项大小为"8"个字节，则该数组占用的总内存为"1000 * 8" = "8000"个字节。

示例

在此示例中，我们计算二维数组的总内存使用量 −

import numpy as np

# 创建二维数组
array_2d = np.array([[1, 2], [3, 4]], dtype=np.float32)

# 计算总内存使用量
total_memory_usage = array_2d.size * array_2d.itemsize
print(f"总内存使用量:{total_memory_usage} 字节")

这将产生以下结果 -

总内存使用量:16 字节

不同数据类型的 itemsize

在 NumPy 中，不同的数据类型具有不同的 itemsize 值。例如 -

• np.int8 的项大小为 1 个字节。
• np.int16 的项大小为 2 个字节。
• np.float64 的项大小为 8 个字节。
• np.complex128 的项大小为 16 个字节。

示例

在下面的示例中，我们创建具有不同数据类型的数组，然后检查每个数组的项大小 -

import numpy as np

# 创建具有不同数据类型的数组
array_int8 = np.array([1, 2, 3], dtype=np.int8)
array_int16 = np.array([1, 2, 3], dtype=np.int16)
array_uint32 = np.array([1, 2, 3], dtype=np.uint32)
array_float16 = np.array([1.0, 2.0, 3.0], dtype=np.float16)
array_complex128 = np.array([1+2j, 3+4j, 5+6j], dtype=np.complex128)

# 检查元素大小
print("int8 数组元素大小:", array_int8.itemsize)
print("int16 数组元素大小:", array_int16.itemsize)
print("uint32 数组的项大小:", array_uint32.itemsize)
print("float16 数组的项大小:", array_float16.itemsize)
print("complex128 数组的项大小:", array_complex128.itemsize)

输出结果如下:-

int8 数组的项大小:1
int16 数组的项大小:2
uint32 数组的项大小:4
float16 数组的项大小:2
complex128 数组的项大小:16

通过修改数据类型更改项大小

通过修改数组的数据类型，您可以更改其项大小，这会影响每个元素占用的内存量，从而影响总内存数组的用法。

您可以使用 astype() 函数更改 NumPy 数组的数据类型。此函数接受要将数组转换为的目标数据类型。

示例

在以下示例中，我们将数组的数据类型从"int32"更改为"int8"，并检查该数组的项大小 -

import numpy as np

# 原始数组为 int32
array_original = np.array([1, 2, 3], dtype=np.int32)
print(f"原始项大小:{array_original.itemsize} bytes")

# 将数据类型更改为 int8
array_new = array_original.astype(np.int8)
print(f"新的项大小:{array_new.itemsize} bytes")

执行上述代码后，我们得到以下输出−

原始项大小:4 bytes
新的项大小:1 bytes