numpy数组中的np.nan是否占用内存？

3 回答

• 2

  据我所知，nan和zero值占用的内存与其他值相同，但是，您可以通过其他方式解决问题：

  你尝试过使用稀疏矢量吗？它们适用于具有大量0值的向量，并且优化了内存消耗

  SVM Module Scipy

  Sparse matrices Scipy

  如果您还有其他问题，那么您可以获得有关SVM和稀疏矩阵的一些信息 .

  编辑提供答案和解决方案

  回复于 2024-04-20T00:29:48+08:00
• 2

  使用floating point数字表示时，非数字值（ NaN 和 inf ）也由占用与任何数字浮点值相同位数的特定二进制模式表示 . 因此， NaN s占用与数组中任何其他数字相同的内存量 .

  回复于 2024-04-20T00:29:48+08:00
• 1

  根据sys模块中的getsizeof（）命令，它确实如此 . 一个简单快速的例子：

  import sys
  import numpy as np 
  
  x = np.array([1,2,3])
  y = np.array([1,np.nan,3])
  
  x_size = sys.getsizeof(x)
  y_size = sys.getsizeof(y)
  print(x_size)
  print(y_size)
  print(y_size == x_size)
  

  这应该打印出来

  120
   120 
   True
  

  所以我的结论是它使用的内存与普通条目一样多 .

  相反，您可以使用稀疏矩阵（Scipy.sparse），它们根本不保存零/ Null，因此内存效率更高 . 但是Scipy强烈反对直接使用Numpy方法，因为Numpy可能无法正确解释它们 .

  回复于 2024-04-20T00:29:48+08:00