通过“正常数组”我认为你是一个NumPy数组的均匀dtype.给予重新记录,如：
>>> a = ([(0, 1, 2),
(3, 4, 5)],[('x', int), ('y', float), ('z', int)]).view()
([(0, 1.0, 2), (3, 4.0, 5)],
dtype=[('x', '
我们必须先使每一列具有相同的dtype.然后,我们可以通过查看相同dtype的数据将其转换为“正常数组”：
>>> ([('x', '
array([ 0., 1., 2., 3., 4., 5.])
astype返回一个新的numpy数组.所以上面要求额外的内存量与a的大小成正比.每行a需要4 8 4 = 16字节,而(…)需要8 * 3 = 24字节.调用view不需要新的内存,因为只是改变了底层数据的解释方式.
()返回一个新的Python列表.每个Python编号是一个对象,它比numpy数组中的等效表示需要更多的字节.所以()需要比(…)更多的内存.
调用(…).view(…)也比(())快：
In [8]: a = (zip(*[iter(xrange(300))]*3),[('x', int), ('y', float), ('z', int)]).view()
In [9]: %timeit ([('x', '
10000 loops, best of 3: 165 us per loop
In [10]: %timeit (())
1000 loops, best of 3: 683 us per loop