为什么酸洗 numpy 数组的开销很大？

Question

假设我在 Python 中有一个简单的数组：

>>> x = [1.0, 2.0, 3.0, 4.0]

腌制后，它的尺寸相当小：

>>> pickle.dumps(x).__len__()
44

如果我用一个numpy数组，怎么会这么大？

>>> xn = np.array(x)
>>> pickle.dumps(xn).__len__()
187

将其转换为不太精确的数据类型只会有一点帮助...

>>> x16 = xn.astype('float16')
>>> pickle.dumps(x16).__len__()
163

其他 numpy/scipy 数据结构（如稀疏矩阵）也不能很好地腌制。为什么？

Answer 1

在调试器中检查它，一个 numpy 数组除了数据之外还有 max、min、type 等字段，我不确定 python 列表是否有。

完整列表可在http://docs.scipy.org/doc/numpy/reference/arrays.ndarray.html上找到

由于酸洗只是一个二进制复制，这些其他字段也被复制，导致更大的大小。