为何空Python列表占用内存比空NumPy数组更少？

• 底层结构复杂度差异
  Python空列表的底层是轻量的PyListObject结构体，仅需维护元素数量、容量、指针数组起始地址这几项基础元数据，64位系统下固定占用56字节。
  而NumPy的ndarray是一个多组件的C语言包装结构体：它需要存储维度（shape）、步长（strides）、数据类型（dtype）、数据缓冲区指针、引用计数、内存管理标志位等多项信息，这些额外的元数据叠加后，64位系统下空数组的内存占用就达到了112字节。

• 设计目标的取舍
  NumPy的内存优势体现在存储大量同类型数据的场景：当数组包含成百上千个元素时，它会把数据连续存储在一块内存区域，避免了Python列表中每个元素作为独立对象的额外开销。但空数组场景下，它的结构体固定开销完全暴露，反而比轻量的空列表更占内存。

• 实际场景对比验证
  当处理批量数据时，NumPy的内存效率优势立刻显现：

  import sys
  import numpy as np
  
  # 包含1000个整数的Python列表
  py_list = list(range(1000))
  # 包含1000个整数的NumPy数组
  np_arr = np.arange(1000)
  
  print(sys.getsizeof(py_list))  # 约8056字节（列表本身开销+1000个int对象的指针）
  print(sys.getsizeof(np_arr))   # 仅8096字节（8*1000字节的整数数据+96字节结构体开销）
  

内容的提问来源于stack exchange，提问作者Nabin Oli