>我必须使用numpy网格创建一个非常大的网格。 为了节省内存,我使用 int8 作为我尝试网格化的数组的 dtype。 但是,meshgrid不断将类型更改为int64,这会占用大量内存。 这是问题的简单示例...
import numpy
grids = [numpy.arange(1, 4, dtype=numpy.int8), numpy.arange(1, 5, dtype=numpy.int8)]
print grids
print grids[0].dtype, grids[0].nbytes
x1, y1 = numpy.meshgrid(*grids)
print x1.dtype, x1.nbytes
此脚本打印
[array([1, 2, 3], dtype=int8), array([1, 2, 3, 4], dtype=int8)]
int8 3
int64 96
为什么网格会这样做? 有什么办法可以阻止它吗? 我需要创建一个巨大的数组,这样我就不能使用 meshgrid,除非我可以控制输出的数据类型。 这是预期行为还是 numpy 错误? 我在 numpy 中使用的所有其他函数都保留数据类型或允许您使用 dtype 参数更改它。 网格功能似乎不允许这样做。
您可以将可选的 copy
参数 numpy.meshgrid()
设置为 False
(但请注意,它有一些约束(:
meshgrid(*xi, **kwargs)
。
copy
:bool
, 可选如果
False
,则返回原始数组的视图,以便 节省内存。 默认值为True
。 请注意,sparse=False
,copy=False
可能会返回不连续的数组。 此外 广播阵列的多个元素可以引用单个 内存位置。 如果需要写入数组,请制作副本 第一。
证明它有效:
>>> import numpy
>>>
>>> grids = [numpy.arange(1, 4, dtype=numpy.int8), numpy.arange(1, 5, dtype=numpy.int8)]
>>>
>>> print grids
[array([1, 2, 3], dtype=int8), array([1, 2, 3, 4], dtype=int8)]
>>> print grids[0].dtype, grids[0].nbytes
int8 3
>>>
>>> x1, y1 = numpy.meshgrid(*grids, copy=False)
>>> # ^^^^^^^^^^
>>> print x1.dtype, x1.nbytes
int8 12