细说Python中numpy的nbytes方法

nbytes的作用：

import numpy as np
a = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28 ,29, 30],
              [31, 32, 33, 34, 35]],dtype=np.int64)
print(a.nbytes)

输出：

200

数组的数据类型是int 64，一个int 64中有64位，一个字节中有8位，所以一个int 64就是8字节。
8×5×5=200 所以所有数据消耗200字节。

 

深入：

本来就这么一点东西，但是我在官方numpy文档里看到这么一句话：

nbytes属性是数组中的所有数据消耗掉的字节数。你应该注意到，这并不计算数组的开销，因此数组占用的实际空间将稍微大一点。

重点是最后一句话，啥意思？什么稍大一点？找了好多，貌似都没有比较恰当的解释。

我只好借助 sys.getsizeof(对象)
这个方法以字节为单位返回对象的大小。
如果对象由垃圾收集器管理，则调用该对象的方法并添加额外的垃圾收集器开销。

所以我创建了一个空的二维数组，看其所占用的空间：

print(sys.getsizeof(np.array([[]],dtype=np.int64)))

输出：

56

可见一个空的二维数组在我的电脑中占56个字节

那么综合起来看：

import numpy as np
import sys
a = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28 ,29, 30],
              [31, 32, 33, 34, 35]],dtype=np.int64)
print(a.nbytes)
print(sys.getsizeof(a))
print(sys.getsizeof(np.array([[]],dtype=np.int64)))

输出：

200   #只是存储数据所占的字节
256   #存储数据和二维数组所占字节
56    #空二维数组所占字节

至此，终于理解了上面的话：“这并不计算数组的开销，因此数组占用的实际空间将稍微大一点”。
由此看来，nbytes方法计算时，确实没有计算数组的开销，数组实际占用的空间要稍大一点！！