用 NumPy 中的视图来节省内存

如果您使用 Python 的 NumPy 库，通常是因为您正在处理占用大量内存的大型数组。为了减少内存使用，您可能希望尽量减少不必要的重复项。

NumPy 有一个内置功能，可以在许多常见情况下透明地执行此操作：内存视图。而且，此功能还可以防止数组被垃圾回收，从而导致更高的内存使用率。在某些情况下，它可能会导致错误，数据会以意想不到的方式发生变异。

为了避免这些问题，让我们了解视图的工作原理以及对代码的影响。

预备知识：Python 列表

在查看 NumPy 数组和视图之前，让我们考虑一个有点相似的数据结构：Python 列表。

Python 列表与 NumPy 数组一样，是连续的内存块。当你对一个 Python 列表进行切片时，你会得到一个完全不同的列表，这意味着你正在分配一块新的内存：

>>> from psutil import Process
>>> Process().memory_info().rss
12247040
>>> list1 = [None] * 1_000_000
>>> Process().memory_info().rss
20463616
>>> list2 = list1[:500_000]
>>> Process().memory_info().rss
24580096

切片列表分配了更多内存。由于第二个列表是一个独立的副本，如果我们改变它，这不会影响第一个列表：

>>> list2[0