การกำหนดค่าเริ่มต้นอาร์เรย์ NumPy (เติมด้วยค่าที่เหมือนกัน)

ฉันต้องการที่จะสร้างอาร์เรย์ NumPy ของความยาวองค์ประกอบของซึ่งแต่ละnv

มีอะไรที่ดีไปกว่า:

a = empty(n)
for i in range(n):
    a[i] = v

ฉันรู้zerosและonesจะทำงานกับ v = 0, 1 ฉันสามารถใช้งานv * ones(n)ได้ แต่มันจะไม่ทำงานเมื่อvเป็นNoneและจะช้ากว่ามาก

แนะนำ NumPy 1.8 np.full()ซึ่งเป็นวิธีการโดยตรงมากกว่าempty()ตามด้วยfill()การสร้างอาร์เรย์ที่เต็มไปด้วยค่าที่แน่นอน:

>>> np.full((3, 5), 7)
array([[ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.]])

>>> np.full((3, 5), 7, dtype=int)
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

นี่คือเนื้อหาวิธีการสร้างอาร์เรย์ที่เต็มไปด้วยค่าบางอย่างเพราะมันชัดเจนอธิบายถึงสิ่งที่จะประสบความสำเร็จ (และมันสามารถในหลักการจะมีประสิทธิภาพมากตั้งแต่มันดำเนินงานที่เฉพาะเจาะจงมาก)

อัปเดตสำหรับ Numpy 1.7.0: (Hat-tip ถึง @Rolf Bartstra.)

a=np.empty(n); a.fill(5) เร็วที่สุด

ตามลำดับความเร็วจากมากไปน้อย:

%timeit a=np.empty(1e4); a.fill(5)
100000 loops, best of 3: 5.85 us per loop

%timeit a=np.empty(1e4); a[:]=5 
100000 loops, best of 3: 7.15 us per loop

%timeit a=np.ones(1e4)*5
10000 loops, best of 3: 22.9 us per loop

%timeit a=np.repeat(5,(1e4))
10000 loops, best of 3: 81.7 us per loop

%timeit a=np.tile(5,[1e4])
10000 loops, best of 3: 82.9 us per loop

ฉันเชื่อว่าfillเป็นวิธีที่เร็วที่สุดในการทำเช่นนี้

a = np.empty(10)
a.fill(7)

คุณควรหลีกเลี่ยงการทำซ้ำเหมือนอย่างที่คุณทำในตัวอย่างของคุณ วิธีง่ายๆที่a[:] = vจะทำให้การวนซ้ำของคุณทำได้โดยใช้การกระจายเสียงแบบไม่ยุ่งยาก

เห็นได้ชัดว่าไม่เพียง แต่ความเร็วสัมบูรณ์ แต่ยังสั่งความเร็ว(ตามที่รายงานโดยผู้ใช้ 1579844) ขึ้นอยู่กับเครื่อง นี่คือสิ่งที่ฉันพบ:

a=np.empty(1e4); a.fill(5) เร็วที่สุด;

ตามลำดับความเร็วจากมากไปน้อย:

timeit a=np.empty(1e4); a.fill(5) 
# 100000 loops, best of 3: 10.2 us per loop
timeit a=np.empty(1e4); a[:]=5
# 100000 loops, best of 3: 16.9 us per loop
timeit a=np.ones(1e4)*5
# 100000 loops, best of 3: 32.2 us per loop
timeit a=np.tile(5,[1e4])
# 10000 loops, best of 3: 90.9 us per loop
timeit a=np.repeat(5,(1e4))
# 10000 loops, best of 3: 98.3 us per loop
timeit a=np.array([5]*int(1e4))
# 1000 loops, best of 3: 1.69 ms per loop (slowest BY FAR!)

ดังนั้นลองค้นหาแล้วใช้สิ่งที่เร็วที่สุดบนแพลตฟอร์มของคุณ

ฉันมี

numpy.array(n * [value])

ในใจ แต่เห็นได้ชัดว่าจะช้ากว่าข้อเสนอแนะอื่น ๆ nทั้งหมดที่มีขนาดใหญ่พอ

นี่คือการเปรียบเทียบเต็มรูปแบบกับperfplot (โครงการสัตว์เลี้ยงของฉัน)

emptyทางเลือกสองทางยังคงเป็นวิธีที่เร็วที่สุด (ด้วย NumPy 1.12.1) fullจับขึ้นสำหรับอาร์เรย์ขนาดใหญ่

รหัสเพื่อสร้างพล็อต:

import numpy as np
import perfplot


def empty_fill(n):
    a = np.empty(n)
    a.fill(3.14)
    return a


def empty_colon(n):
    a = np.empty(n)
    a[:] = 3.14
    return a


def ones_times(n):
    return 3.14 * np.ones(n)


def repeat(n):
    return np.repeat(3.14, (n))


def tile(n):
    return np.repeat(3.14, [n])


def full(n):
    return np.full((n), 3.14)


def list_to_array(n):
    return np.array(n * [3.14])


perfplot.show(
    setup=lambda n: n,
    kernels=[empty_fill, empty_colon, ones_times, repeat, tile, full, list_to_array],
    n_range=[2 ** k for k in range(27)],
    xlabel="len(a)",
    logx=True,
    logy=True,
)

คุณสามารถใช้numpy.tileเช่น:

v = 7
rows = 3
cols = 5
a = numpy.tile(v, (rows,cols))
a
Out[1]: 
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

แม้ว่าจะtileมีความหมายว่า 'ไทล์' อาเรย์ (แทนที่จะเป็นสเกลาร์, ในกรณีนี้), มันจะทำงาน, สร้างอาร์เรย์ที่มีขนาดและมิติใด ๆ ไว้ล่วงหน้า

โดยไม่ต้อง numpy

>>>[2]*3
[2, 2, 2]