NumPy索引异常及内存占用过高问题求助

问题根源：误用np.ndarray构造函数 #

你遇到的问题核心是混淆了np.array和np.ndarray的用途：

• np.array是创建NumPy数组的常规方法，接受元素列表/序列作为输入，生成对应维度的数组。
• np.ndarray是底层构造函数，它的参数是数组的形状（shape），而非要存储的元素。

你的代码arr = np.ndarray([5, 4, 10, 20, 25, 81, 9, 7])中，传入的列表被解析为一个8维数组的形状，这个数组的总元素数为：
5 × 4 × 10 × 20 × 25 × 81 × 9 × 7 = 510,300,000（超过5亿个元素）。这类未初始化的数组会直接占用对应内存，内容是内存中的随机值（通常显示为0或垃圾数据），所以arr[2]取的是这个8维数组的第3个维度切片，自然输出大量零矩阵。

当你尝试更大的形状时，计算出的内存需求直接超出了系统物理内存上限，因此触发_ArrayMemoryError——比如报错中的形状需要229 PiB内存，这显然是任何常规设备都无法提供的。

正确的解决方法 #

改用np.array创建一维数组，代码如下：

import numpy as np

arr = np.array([5, 4, 10, 20, 25, 81, 9, 7])
print(arr[2])  # 输出：10

关键注意事项 #

• 日常创建数组优先使用np.array，只有在需要手动管理内存（如创建未初始化的大数组）时，才考虑np.ndarray。
• 若要指定形状创建初始值数组，可使用np.zeros()、np.ones()等更直观的函数，避免误用底层构造函数。

内容的提问来源于stack exchange，提问作者Archis Likhitkar