预分配NumPy阵列的首选方法是什么？
预分配NumPy阵列的首选方法是什么？
提问于 2010-08-16 17:02:48
我是第一次接触NumPy/SciPy。从文档中看，预分配单个数组似乎比调用append/insert/concatenate更有效。
例如，要将一列1添加到数组中，我认为如下所示：
ar0 = np.linspace(10, 20, 16).reshape(4, 4)
ar0[:,-1] = np.ones_like(ar0[:,0])而不是这样：
ar0 = np.linspace(10, 20, 12).reshape(4, 3)
ar0 = np.insert(ar0, ar0.shape[1], np.ones_like(ar0[:,0]), axis=1)我的第一个问题是这是否正确(第一个更好)，第二个问题是，目前我只是像这样预分配数组(我在SciPy站点上的几个Cookbook示例中注意到了这一点)：
np.zeros((8,5))什么是“NumPy首选”的方式呢？
回答 2
Stack Overflow用户
回答已采纳
发布于 2010-08-16 19:10:39
预分配错误地在一次调用中占用了您需要的所有内存，而调整数组大小(通过调用append、insert、concatenate或resize)可能需要将数组复制到更大的内存块。所以你是对的，预分配比调整大小更可取(而且应该比它更快)。
根据您想要创建的内容，有许多“首选”方法可以预先分配numpy数组。有np.zeros、np.ones、np.empty、np.zeros_like、np.ones_like和np.empty_like以及其他许多创建有用数组的工具，比如np.linspace和np.arange。
所以
ar0 = np.linspace(10, 20, 16).reshape(4, 4)如果这最接近你想要的ar0，那就好了。
然而，为了使最后一列都是1，我认为更好的方法是直接说
ar0[:,-1]=1由于ar0[:,-1]的形状为(4,)，因此1为broadcasted以匹配此形状。
Stack Overflow用户
发布于 2020-11-26 18:54:09
根据我的经验，numpy.empty()是预分配大型数组的最快方法。我讨论的数组具有(80,80,300000)和dtype uint8的形状。
代码如下：
%timeit np.empty((80,80,300000),dtype='uint8')
%timeit np.zeros((80,80,300000),dtype='uint8')
%timeit np.ones((80,80,300000),dtype='uint8')以及计时的结果：
10000 loops, best of 3: 83.7 µs per loop #Too much faster
1 loop, best of 3: 273 ms per loop
1 loop, best of 3: 272 ms per loop页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/3491802
复制相关文章
相似问题