NumPy广播时是否复制内部数据？nbytes变化含义解析

你的理解是对的：NumPy广播仅通过修改数组的shape和strides实现，不会复制原始数组数据。广播后的nbytes只是计算出的伪字节数，实际内存里并没有新增数据。

底层原理验证 #

先看你给出的示例代码：

import numpy as np

a = np.arange(1, 9).reshape(2, 4)
print(a)
# array([[1, 2, 3, 4],
#        [5, 6, 7, 8]])
print(a.shape)  # (2, 4)
print(a.strides)  # (32, 8)

# 广播操作
broadcasted_a = np.broadcast_to(a, (2, 2, 4))
print(broadcasted_a)
# array([[[1, 2, 3, 4],
#         [5, 6, 7, 8]],
#        [[1, 2, 3, 4],
#         [5, 6, 7, 8]]])
print(broadcasted_a.shape)  # (2, 2, 4)
print(broadcasted_a.strides)  # (0, 32, 8)

这里strides中的第一个值为0，说明在新增的第一个维度上移动时，内存指针不会偏移，直接复用原始数组的同一组数据——这就是广播不复制数据的核心证据。

为什么nbytes会变化？ #

nbytes的计算逻辑很简单：当前数组的总元素数 × 单个元素的字节数，也就是np.prod(shape) * dtype.itemsize。

• 原始数组a：2×4=8个元素，每个int64元素占8字节，8×8=64字节
• 广播后的数组：2×2×4=16个元素，16×8=128字节

这个数值是理论上的“虚拟总字节数”，仅反映数组的逻辑形状对应的存储空间需求，不代表实际占用的内存大小。

额外验证：内存共享 #

可以用np.shares_memory直接验证两个数组是否共享内存：

print(np.shares_memory(a, broadcasted_a))  # True

返回True说明广播后的数组完全复用了原始数组的内存，没有任何数据复制。

内容的提问来源于stack exchange，提问作者hidetatz