Python中数组与单个变量的内存占用差异及性能影响问询

为什么单个字符比整数内存占用大，但对应Python列表的内存相同？ #

这得拆成两个点来理解：

1. Python列表的内存只管“存指针”，不管存的是什么 #

你用sys.getsizeof()拿到的列表大小，其实是列表这个容器本身的内存——它就像一个抽屉架，每个抽屉里放的是指向真正元素的“地址条”（指针）。在64位系统里，每个地址条占8字节，不管你存的是bool、str还是int，抽屉架本身的大小只和抽屉数量（元素个数）有关。你这里的列表都有16个元素，所以sys.getsizeof()返回的都是184字节，和元素类型完全没关系。

2. 单个元素的“体型”不一样 #

而单个元素的内存占用，是指那个真正的元素对象的大小：

• bool和小int（比如0、1）：Python会把这些常用的小值缓存成全局唯一的对象，它们的结构很简单，所以“体型”小，只有24字节。而且bool本来就是int的子类，内存结构差不多。
• 单字符str：哪怕只有一个字符，它也是一个完整的Python字符串对象，里面除了存字符，还得存长度、哈希值、编码类型这些额外信息，这些“附加装备”占了不少内存，所以单个字符的“体型”能到50字节，比小整数大很多。

不同数组实现对俄罗斯方块AI训练的性能有差异吗？ #

必须有！而且差异还不小，主要体现在内存够不够用和运算快不快上，这对AI训练来说是核心影响因素：

1. Python原生列表：别用，拖后腿 #

Python列表里的每个元素都是独立的小对象，内存东一块西一块，每次访问都得绕弯子找地址，而且没法批量操作——比如旋转方块、检测碰撞，都得用Python循环挨个处理，速度慢得离谱。AI训练要处理大量游戏状态（比如上百万个样本），这种低效操作会直接把训练时间拉长好几倍。尤其是字符列表，完全是鸡肋，你还得把字符转成数值才能喂给神经网络，多了一层没必要的开销。

2. NumPy数组：AI训练的最优解 #

NumPy数组是连续一块内存存数据，支持批量向量化操作，运算速度比Python列表快N倍，不同的NumPy类型还有细分：

• np.int数组：存整数，每个元素占4或8字节（看你选的是int32还是int64），内存占用比布尔数组大，但适合需要数值计算的场景（比如给不同方块状态加权重）。
• np.bool数组：每个元素只占1字节，是所有方式里内存占用最小的（你测的数组才112字节）。俄罗斯方块的状态只有“有块”和“无块”，用布尔数组完全够用。内存小意味着你能在内存里装更多的游戏样本，不用频繁从磁盘读数据，神经网络处理输入时也更快。

一句话总结 #

做俄罗斯方块AI训练，直接冲numpy的布尔数组或者整数数组，Python原生列表（尤其是字符列表）就别考虑了。布尔数组内存最省，整数数组适合扩展功能，两者都能帮你把训练速度提上去一大截。

内容的提问来源于stack exchange，提问作者psforero