Numpy视图内存占用疑问：视图存储指针还是浮点对象？

一、Numpy视图是存储指针还是浮点对象？ #

• Numpy视图不存储实际的浮点（或其他类型）数据对象，它本质是个轻量级的ndarray对象，核心存的是：
  • 指向原数组底层数据缓冲区的指针
  • 自身的形状、步长、数据类型等元信息
• 视图和原数组共享同一块内存缓冲区，对视图的修改会直接同步到原数组，这就是@juanpa提到的“共享底层缓冲区”，也就是你理解的按引用传递。

二、滑动窗口视图与副本的内存差异问题 #

代码场景 #

你用到的滑动窗口视图代码：

import numpy as np
arr = np.lib.stride_tricks.sliding_window_view(
    np.arange(510), 50, axis=0
)

内存差异的核心原因 #

1. .nbytes的计算逻辑：
   • .nbytes算的是数组所有元素的总字节数，不管数据是不是共享的。滑动窗口视图有510-50+1=461个窗口，每个窗口50个int元素（按int64算，每个8字节），总字节数是461*50*8=184400，和副本的元素总字节数一致，所以返回值相同。
2. sys.getsizeof()的计算逻辑：
   • sys.getsizeof()只算Python对象自身占用的内存，不包含它引用的底层数据缓冲区。
   • 滑动窗口视图只是个持有元数据（指针、形状、步长等）的轻量对象，所以大小只有128字节左右。
   • 副本是独立的ndarray，会重新分配内存存储所有元素，sys.getsizeof()会把这些元素的内存加上对象元数据的大小一起算，所以总大小达到184528字节。
3. 关于只读特性：滑动窗口视图默认只读是为了避免步长不连续导致的写入错误，但这不影响它共享原缓冲区的本质。

内容的提问来源于stack exchange，提问作者feiyang472