在 NumPy 中，我可以通过以下方式获取特定数据类型的大小（以字节为单位）：
datatype(...).itemsize
或：
datatype(...).nbytes
例如：
np.float32(5).itemsize #4
np.float32(5).nbytes #4
我有两个问题。首先，有没有办法在不创建数据类型的实例的情况下获取这些信息？二、itemsize和nbytes有什么区别？
【问题讨论】：
您需要dtype 的实例来获取项目大小，但您不需要ndarray 的实例。 （稍后会清楚，nbytes 是数组的属性，而不是 dtype。）
例如
print np.dtype(float).itemsize
print np.dtype(np.float32).itemsize
print np.dtype('|S10').itemsize
就itemsize和nbytes的区别而言，nbytes就是x.itemsize * x.size。
例如
In [16]: print np.arange(100).itemsize
8
In [17]: print np.arange(100).nbytes
800
【讨论】：
dtype=... 并从中传递数据类型，我会得到每个数据元素的大小，所以我可以知道数据的大小。这样，我可以找到文件中的任何记录并直接读取它。看起来np.dtype是要走的路...谢谢。
nbytes 仅在数组中特别有用时，它似乎是数据类型的一个实例......当然，我想我不知道numpy 数据模型足以评论太多......无论如何，谢谢。这正是我所需要的。
np.float32(5)）可能会令人困惑。 numpy 标量和 0-d numpy 数组（例如np.array(5, dtype=np.float32)）之间的区别更加令人困惑。 （尝试索引 0-d 数组！） numpy 标量存在并具有与普通 ndarray 相同的属性的原因是，x[5].abs() 之类的东西对于 1d 数组将正常工作。这在“更广泛的图景”中是有道理的，但它会引起很多混乱。
查看 NumPy C 源文件，这是注释：
size : int
Number of elements in the array.
itemsize : int
The memory use of each array element in bytes.
nbytes : int
The total number of bytes required to store the array data,
i.e., ``itemsize * size``.
所以在 NumPy 中：
>>> x = np.zeros((3, 5, 2), dtype=np.float64)
>>> x.itemsize
8
所以.nbytes 是一个快捷方式：
>>> np.prod(x.shape)*x.itemsize
240
>>> x.nbytes
240
因此，要获得 NumPy 数组的基本大小而不创建它的实例，您可以这样做（例如，假设一个 3x5x2 的双精度数组）：
>>> np.float64(1).itemsize * np.prod([3,5,2])
240
但是，NumPy 帮助文件中的重要说明：
| nbytes
| Total bytes consumed by the elements of the array.
|
| Notes
| -----
| Does not include memory consumed by non-element attributes of the
| array object.
【讨论】：
np.float64(1) 创建了一个实例，这是我试图避免的。我想避免它的原因是因为在阅读该行时，用户可能会说“为什么是 1？” ...实际上， 1 并不特别...只是我需要一个 np.float64 的实例来获取 itemsize ...但是，+1 用于回答关于 itemsize 与 nbytes 的第二个问题（并阅读来源）...
np.float64().itemsize。但是，如果您对替代方案进行计时，np.dtype(np.float64).itemsize 比np.float64().itemsize 快一点没那么重要，但足够了。归结为我认为您认为更具可读性的内容。
np.float64() 也可以。