將這個(gè)浮點(diǎn)數(shù)組保存到一個(gè)文本文件將創(chuàng)建一個(gè)24M的文本文件。當(dāng)您重新加載這個(gè)文件時(shí)，numpy會(huì)逐行遍歷文件，解析文本并重新創(chuàng)建對(duì)象。在

我預(yù)計(jì)在這段時(shí)間內(nèi)存使用會(huì)激增，因?yàn)閚umpy在到達(dá)文件末尾之前不知道結(jié)果數(shù)組需要多大，所以我預(yù)計(jì)至少要使用24M+8M+的其他臨時(shí)內(nèi)存。在

以下是numpy代碼的相關(guān)位，來(lái)自/lib/npyio.py：# Parse each line, including the first

for i, line in enumerate(itertools.chain([first_line], fh)):

vals = split_line(line)

if len(vals) == 0:

continue

if usecols:

vals = [vals[i] for i in usecols]

# Convert each value according to its column and store

items = [conv(val) for (conv, val) in zip(converters, vals)]

# Then pack it according to the dtype's nesting

items = pack_items(items, packing)

X.append(items)

#...A bit further on

X = np.array(X, dtype)

這種額外的內(nèi)存使用不應(yīng)該引起關(guān)注，因?yàn)檫@正是python的工作方式——雖然您的python進(jìn)程似乎使用了1億個(gè)內(nèi)存，但在內(nèi)部它會(huì)保持對(duì)哪些項(xiàng)目不再使用的了解，并將重新使用這些內(nèi)存。例如，如果要在一個(gè)程序（save，load，save，load）中重新運(yùn)行這個(gè)save load過(guò)程，那么內(nèi)存使用量不會(huì)增加到200M

總結(jié)

以上是生活随笔為你收集整理的python函数太多_numpy Loadtxt函数似乎消耗了太多内存的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。