我尝试了 numpy.zeros((100k x 100k)) 并返回“数组太大”。 对 cmets 的回应： 1）我可以创建 10k x 10k 矩阵，但不能创建 100kx100k 和 1milx1mil。 2) 矩阵不是稀疏的。
【问题讨论】：
您的系统可能没有足够的内存来将矩阵存储在内存中，但现在您可能有足够的 TB 可用磁盘空间。在这种情况下，numpy.memmap 将允许您将数组存储在磁盘上，但看起来好像它驻留在内存中。
但是，最好重新考虑这个问题。你真的需要这么大的矩阵吗？任何涉及它的计算都可能非常慢，并且需要逐块完成。
【讨论】：
您的矩阵是否有很多零条目？我怀疑确实如此，很少有人会做这么大的密集问题。
您可以使用稀疏矩阵轻松做到这一点。 SciPy 内置了一个很好的集合。http://docs.scipy.org/doc/scipy/reference/sparse.html 稀疏矩阵所需的空间随着非零元素的数量而不是维度而增长。
【讨论】：
我们可以做一些简单的数学来找出答案。 100 万乘 100 万矩阵有 1,000,000,000,000 个元素。如果每个元素占用 4 个字节，则需要 4,000,000,000,000 字节的内存。也就是说，3.64 TB。
Python 的给定实现也有可能比单个数字使用更多。例如，从浮点数到双精度数的飞跃意味着您将需要 7.28 TB。 （Python 也有可能将数字存储在堆上，而你得到的只是一个指向它的指针，大约使占用空间增加一倍，甚至不考虑元数据——但这是一个很容易出错的理由，当我谈论 Python 时我总是错的内部，所以我们不要挖掘太多。）
我想numpy 没有硬编码限制，但如果您的系统没有那么多可用内存，那真的没什么可做的。
【讨论】：
numpy.float32 数组每个元素只需要 4 个字节（加上整个数组的一点点恒定开销）。不过，您所说的对于 python 列表来说是完全正确的！