NumPy ndarray.nbytes 属性

NumPy ndarray.nbytes 属性用于获取 NumPy 数组元素占用的总字节数。此属性提供了一种快速确定数组内存使用情况的方法。

它在处理大型数据集时特别有用，有助于了解数组的整体内存消耗，尤其是在执行内存管理或优化时。

nbytes 属性通过将数组中的元素数量乘以每个元素的大小(使用 itemsize 属性)来计算总内存使用情况。

NumPy 中 nbytes 属性的用法

可以直接从 NumPy 数组对象访问 nbytes 属性，以计算总内存使用情况(以字节为单位)。

它通常用于分析大型数组、优化内存使用情况或估算数据集的存储需求。

以下是一些示例，演示如何将 nbytes 应用于各种数组NumPy。

示例:nbytes 属性的基本用法

在本例中，我们创建一个简单的一维数组，并使用 nbytes 属性来查找该数组的总内存使用量 -

import numpy as np

# 创建一个包含整数元素的一维数组
arr = np.array([1, 2, 3, 4])
print(arr.nbytes)

以下是得到的输出 -

32

示例:检查二维数组的 nbytes 值

在本例中，我们创建一个二维数组，并使用nbytes 属性来确定其总内存使用量 −

import numpy as np

# 创建一个包含浮点型元素的二维数组
arr = np.array([[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]])
print(arr.nbytes)

这将产生以下结果 −

48

示例:高维数组的 nbytes 属性

在此示例中，我们创建一个三维数组，并使用 nbytes 属性来确定其总内存使用量 −

import numpy as np

# 创建三维数组
arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr.nbytes)

以下是上述代码的输出 -

64

示例:空数组的 nbytes

在此示例中，我们检查空数组的总内存使用情况。这表明即使是空数组也会产生内存开销 -

import numpy as np

# 创建一个空数组
arr = np.array([])
print(arr.nbytes)

得到的输出如下所示 -

0

numpy_array_attributes.html