我有数千个长的(8640)整数列表的元组。例如:type(l1)
tuple
len(l1)
2
l1[0][:10]
[0, 31, 23, 0, 0, 0, 0, 0, 0, 0]
l1[1][:10]
[0, 0, 11, 16, 24, 0, 0, 0, 0, 0]
我在“pickling”元组,看起来元组是列表的时候,pickle文件比numpy数组的时候轻。我对python并不陌生,但决不是专家,我不知道如何为不同类型的对象管理内存。我本来希望numpy数组更轻,但这是我在pickle不同类型的对象时得到的结果:#elements in the tuple as a numpy array
l2 = [np.asarray(l1[i]) for i in range(len(l1))]
l2
[array([ 0, 31, 23, ..., 2, 0, 0]), array([ 0, 0, 11, ..., 1, 0, 0])]
#integers in the array are small enough to be saved in two bytes
l3 = [np.asarray(l1[i], dtype='u2') for i in range(len(l1))]
l3
[array([ 0, 31, 23, ..., 2, 0, 0], dtype=uint16),
array([ 0, 0, 11, ..., 1, 0, 0], dtype=uint16)]
#the original tuple of lists
with open('file1.pkl','w') as f:
pickle.dump(l1, f)
#tuple of numpy arrays
with open('file2.pkl','w') as f:
pickle.dump(l2, f)
#tuple of numpy arrays with integers as unsigned 2 bytes
with open('file3.pkl','w') as f:
pickle.dump(l3, f)
当我检查文件大小时:$du -h file1.pkl
72K file1.pkl
$du -h file2.pkl
540K file2.pkl
$du -h file3.pkl
136K file3.pkl
因此,即使整数保存在两个字节中,file1也比file3轻。我更喜欢使用数组,因为解压缩数组(并处理它们)比列表快得多。但是,我将要存储很多这样的元组(在pandas数据帧中),所以我也希望尽可能优化内存。
我需要这样做的方式是,给定一个我做的元组列表:#list of pickle objects from pickle.dumps
tpl_pkl = [pickle.dumps(listoftuples[i]) for i in xrange(len(listoftuples))]
#existing pandas data frame. Inserting new column
df['tuples'] = tpl_pkl
总的来说,我的问题是:在将numpy数组pickling到一个文件中之后,numpy数组比列表占用更多的空间有原因吗?
如果我明白了为什么我可以找到一种存储阵列的最佳方法。
提前谢谢你的时间。