numpy.empty函数dtype参数作用及重复运行输出不变原因咨询

关于指定dtype=int时的内存解析问题 #

操作系统不会专门寻找只含整数的内存块，你的“截断小数”猜测也不对。

np.empty()的核心逻辑是：向操作系统申请一块指定大小的连续内存，完全不做初始化操作，直接把内存里原本残留的二进制数据，按照你指定的dtype规则去解析。

比如你两次测试的内存块大小其实是一致的（默认float64和int（对应int64）都是8字节/元素，1×2的数组总大小都是16字节），只是解析规则不同：

• 第一次用默认float64，把内存里的二进制位当成浮点数的编码来解读，得到浮点数结果；
• 第二次指定dtype=int，把同一段二进制位当成64位整数的编码来解读，得到整数结果。

你可以用view()方法验证这个逻辑：

import numpy as np
# 按float64解析内存
test_float = np.empty((1,2))
# 把同一块内存按int64重新解析
test_int = test_float.view(np.int64)
print("float64解析结果：")
print(test_float)
print("int64解析结果：")
print(test_int)

运行后你会发现，test_int的输出和你第二次运行np.empty((1,2), dtype=int)的结果完全一致。

关于重复运行输出不变、改形状才变化的问题 #

这个现象和操作系统的内存分配机制直接相关：

1. 重复运行输出不变：如果是在同一个进程中多次调用np.empty()申请相同大小的内存，操作系统通常会把之前释放的同一块内存重新分配给你，这块内存里的残留数据自然和之前一致；如果是每次重启程序后输出还不变，大概率是你的环境关闭了地址空间布局随机化（ASLR），导致进程每次启动时的内存布局完全相同，申请到的内存位置固定，残留数据也就不变。
2. 改变形状后输出变化：改变形状意味着申请的内存总大小改变，操作系统会分配一块新的、不同位置的内存，这块内存里的残留数据和之前的不一样，所以输出就会变化。

内容的提问来源于stack exchange，提问作者philen