Numpy数组内存存储机制及遍历元素重复内存地址原因咨询

Numpy数组的内存存储方式 #

• Numpy数组由两部分组成：一块连续的存储原始数据的内存块，以及存储数组维度、数据类型、步长（stride）等属性的元信息头。和Python原生列表每个元素都是分散的指针不同，numpy的原始数据连续存储，数值计算时的访问效率高很多。
• 你代码中的转置操作b = a.T不会复制原始数据，只会修改新数组元信息中的步长参数，所以才会出现a is b返回False（两个是不同的数组对象，元信息不同），但np.shares_memory(a,b)返回True（两者共享同一块原始数据内存）的结果。

遍历过程中相同id出现的原因 #

你观察到的不同位置整数对象内存地址相同的现象，是两个机制共同作用的结果：

1. Python小整数缓存：Python默认对[-5, 256]区间内的整数做全局缓存，这个范围内的整数全局唯一，只要数值相同，本身就是同一个对象，id自然相同。你测试用的1、2、4、5都在这个区间内，本身就有id复用的基础。
2. 临时对象内存复用：当你遍历numpy数组取单个元素时，numpy会把存储的原始值转换为Python的int类型对象，这个对象是临时生成的，在打印完成后就没有其他引用了，会被Python的垃圾回收机制标记为可回收，它占用的内存地址会被释放回内存池。下一次生成新的int对象时，就可能直接复用这块空闲的内存地址，所以哪怕是不同数值的对象，只要生命周期不重叠，也会出现id相同的情况。

你代码里的for j in I属于笔误，实际运行的应该是for j in i，修正后可运行的代码如下：

import numpy as np
a=np.array([[1,2],[4,5]])
b=a.T
print(a is b)
print(np.shares_memory(a,b))
for i in a:
    for j in i:
       print(i,j,id(j))
print('************')
for i in b:
    for j in i:
        print(i,j,id(j))

内容的提问来源于stack exchange，提问作者affan skm