Numpy数组是否有类似指针的实现？解决大数组内存浪费问题

场景与问题 #

你有一个n×N的NumPy数组，N约为500000，n会根据使用场景取1或1000。为了避免代码里频繁添加数组形状判断的if语句，同时要保证数组第一维度与代码库中其他数组匹配：

• 当n=1时，最初采用的np.repeat复制数据方式：

  my_array = np.repeat(np.reshape(my_array[0,:],(1,my_array.shape[1])),1000,axis=0)
  

  会直接复制出1000份数据，占用约9GiB内存，内存浪费严重。你希望保留原始的1×N数组，通过类似指针数组的方式生成1000×N的“虚拟”数组来节省内存。

最优方案：np.broadcast_to() #

使用np.broadcast_to()完美解决了这个问题——它不需要创建新的二维数组，只是生成一个共享原始数据的广播视图，既满足了维度匹配的需求，又完全不额外占用内存。

示例代码：

import numpy as np

# 原始1×500000数组
original_arr = np.random.rand(1, 500000)
# 生成1000×500000的广播视图
broadcasted_arr = np.broadcast_to(original_arr, (1000, 500000))

这个视图的行为和真实的1000×500000数组完全一致，所有读写操作都会直接作用在原始数组上，同时不需要添加任何形状判断的分支代码。

内容的提问来源于stack exchange，提问作者aim137