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().rss12247040>>> list1 = [None] * 1_000_000>>> Process().memory_info().rss20463616>>> list2 = list1[:500_000]>>> Process().memory_info().rss24580096

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] = "abc">>> print(list2[0])abc>>> print(list1[0])None

注意，复制到第二个列表中的数据是指向 Python 对象的指针，而不是对象本身的内容。因此，即使列表本身不同，底层对象仍然在两者之间进行共享。

切片时 NumPy 数组并不进行复制

NumPy 数组的工作方式不同。因为假设您可能正在处理非常大的数组，所以许多操作不会复制数组，它们只是让您查看原始数组指向的同一连续内存块。

第一个结果是切片不会分配更多内存，因为它只是原始数组的视图：

>>> from psutil import Process>>> import numpy as np>>> arr = np.arange(0, 1_000_000)>>> Process().memory_info().rss37810176>>> view = arr[:500_000]>>> Process().memory_info().rss37810176

视图对象看起来像一个 500,000 长的 int64 数组，因此如果它是一个新数组，它将分配大约 4MB 的内存。但它只是针对同一个原始数组的一个视图，所以不需要额外的内存。

从技术上来说，可能会为视图对象本身分配一小部分内存，但这可以忽略不计，除非您有很多视图对象。在这种情况下，RSS（常驻内存）度量中没有出现新内存，因为 Python 预先分配了更大的内存块，然后用小的 Python 对象填充这些块。

视图导致内存泄漏

使用视图的后果之一是您可能会泄漏内存，而不是节省内存。这是因为视图可以防止原始数组被垃圾回收 - 对整个数组来说。

假设您已经决定只需要使用大数组的一小部分：

>>> import numpy as np>>> from psutil import Process>>> arr = np.arange(0, 100_000_000)>>> Process().memory_info().rss830181376>>> small_slice = arr[:10]>>> del arr>>> Process().memory_info().rss830111744

如果这是一个 Python 列表，删除原始对象将释放内存。然而，在这种情况下，即使我们没有对数组的直接引用，视图仍然可以起作用，这意味着内存没有被释放，即使我们只对其中的一小部分感兴趣。

您实际上可以通过视图访问原始数组：

>>> small_slicearray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> small_slice.basearray([0, 1, 2, ..., 99999997, 99999998, 99999999])

结果，只有当我们删除所有视图时，原始数组的内存才会被释放：

>>> del small_slice>>> Process().memory_info().rss29642752

其他改变

使用视图的另一个后果是修改视图会改变原始数组。回想一下，对于 Python 列表，修改切片结果不会修改原始列表，因为新对象是一个副本：

>>> l = [1, 2, 3]>>> l2 = l[:]>>> l2[0] = 17>>> l2[17, 2, 3]>>> l[1, 2, 3]

使用 NumPy 视图后，改变视图确实改变了原始对象，它们都指向同一个内存地址：

>>> arr = np.array([1, 2, 3])>>> view = arr[:]>>> view[0] = 17>>> viewarray([17,  2,  3])>>> arrarray([17,  2,  3])

这个结果不是我们想要的！

由于某些 NumPy API 可能会根据情况返回视图或副本，因此更有可能发生意外变化。例如，某些切片结果可能不是视图：

>>> arr = np.array([1, 2, 3])>>> arr2 = arr[:]>>> arr2.base is arrTrue>>> arr3 = arr[[True, False, True]]>>> arr3.base is arrFalse

改变 arr2 也会改变 arr，但改变 arr3 不会改变 arr。

使用 copy() 进行显式复制

当您不想引用原始内存时，显式复制允许您创建一个新数组。这对于防止改变很有用，并且在您不想将原始数组保留在内存中的情况下也很有用：

>>> arr = np.arange(0, 100_000_000)>>> Process().memory_info().rss829464576>>> small_slice = arr[:10].copy()>>> del arr>>> Process().memory_info().rss29700096>>> print(small_slice.base)None

在这种情况下，删除 arr 释放了内存，因为 small_slice 是副本，而不是视图。

要点：高效安全地使用视图

鉴于各种 NumPy API 会自动返回视图，您需要在编写代码时考虑它们：

•在文档中注意 API 是否会返回视图、副本或两者。•如果您想从内存中清除一个大数组，请确保不仅没有直接引用它，而且没有引用它的视图。•如果你要改变一个数组，确保它不会因为它实际上是一个视图而意外改变其他一些数组。•如果您不需要视图，请使用 copy() 方法。

点击下方阅读原文加入社区会员