NumPy数组是否真的比Python列表内存占用低？为何两种计算结果不一致

你观察到的矛盾是对sys.getsizeof的统计范围理解偏差导致的，不属于操作错误，sys.getsizeof也可以用于统计NumPy数组的内存，只要区分清楚统计对象的构成即可。

sys.getsizeof仅统计Python对象自身直接占用的内存，不会递归计算该对象引用的其他外部对象的内存开销。

• 你测试得到的Python列表80字节占用，仅包含两部分：空列表本身的56字节结构体，加上3个指向int对象的指针（64位系统每个指针占8字节，共24字节），完全没有统计2、55、87这三个int实例的内存。Python中每个int对象在64位系统至少占用28字节，3个int就需要84字节，加上列表本身的80字节，总内存开销达到164字节，远高于NumPy数组的116字节。
  注：示例用到的小整数属于Python常驻缓存的对象，不会额外分配内存，但如果是大整数、浮点数或者自定义类型的元素，每个元素的独立内存开销会真实产生，总占用会更高
• NumPy数组的116字节sys.getsizeof结果，是「数组元数据 + 元素数据缓冲区」的总占用：其中104字节是空NumPy数组的固定元数据开销，用来存储数组的dtype、shape、ndim、strides等核心属性，以及指向数据缓冲区的指针等结构，这就是你观察到空NumPy数组比空列表多占的空间；剩下的12字节就是narray.size * narray.itemsize统计的元素数据本身的存储空间，这部分是连续存储的，没有额外对象开销。

• 如果要对比相同规模数据的存储效率，用narray.size * narray.itemsize和「Python列表总占用（列表本身内存+所有元素的内存和）」对比是公平的，这种场景下NumPy数组的优势非常明显，数据量越大，元数据的固定开销占比越低，存储效率优势越突出。
• sys.getsizeof可以直接用来统计数值型NumPy数组的总内存占用（因为数值型数组的元素直接存在自带的连续缓冲区里，没有额外引用的外部对象）；但如果是NumPy对象数组，sys.getsizeof同样不会统计指针指向的外部对象内存，和Python列表的统计逻辑一致。

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