Numpy使用自身部分视图覆盖数组时的内存管理问题

先看你给出的代码：

original = np.ones(1000000000, dtype=np.int8).reshape(10, 10000, 10000)  # 1GB in size
original = original[0, :, :]  # 0.1GB in size?

你关心的是执行第二次赋值时，Numpy是否会做以下操作：

• 将original的前100000000个元素复制到新数组中
• 释放原original的全部内存
• 将名称original指向新的0.1GB数组

同时你明确了单独的original[0, :, :]是partial view，不会触发内存分配，想知道赋值后原1GB内存是否保留。

答案是不会执行你说的这三个步骤，原1GB内存不会立刻被释放，具体逻辑如下：

• original[0, :, :]本质是原数组的视图（view），它不会开辟新的内存存储数据，只是记录了对原数组数据的引用、切片的形状和步长信息，本身内存占用可以忽略。
• 执行original = original[0, :, :]时，只是把变量名original的指向从原来的1GB数组，切换到了这个视图对象上。
• 此时原1GB数组并没有被释放，因为视图对象还持有对它的引用，Python的垃圾回收机制只会回收没有任何引用的对象内存。
• 只有当这个视图对象也不再被任何变量引用时，原数组才会失去所有关联引用，最终被垃圾回收器回收内存。

简单说：这次赋值没有复制数据，原1GB内存会被视图“挂住”而保留，直到视图本身也被销毁，才会被回收。

内容的提问来源于stack exchange，提问作者jmborr