Inisialisasi array NumPy (isi dengan nilai yang identik)

Saya perlu membuat array NumPy dengan panjang n, yang masing-masing elemen v.

Adakah yang lebih baik dari:

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

Saya tahu zerosdan onesakan bekerja untuk v = 0, 1. Aku bisa menggunakan v * ones(n), tetapi tidak akan bekerja ketika vadalahNone , dan juga akan jauh lebih lambat.

NumPy 1.8 diperkenalkan np.full(), yang merupakan metode yang lebih langsung daripada empty()diikuti oleh fill()untuk membuat array diisi dengan nilai tertentu:

>>> 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]])

Ini bisa dibilang yang cara untuk menciptakan sebuah array diisi dengan nilai-nilai tertentu, karena secara eksplisit menggambarkan apa yang sedang dicapai (dan dapat pada prinsipnya menjadi sangat efisien karena melakukan tugas yang sangat spesifik).

Diperbarui untuk Numpy 1.7.0: (Hat-tip ke @Rolf Bartstra.)

a=np.empty(n); a.fill(5) tercepat.

Dalam urutan kecepatan menurun:

%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

Saya percaya filladalah cara tercepat untuk melakukan ini.

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

Anda juga harus selalu menghindari iterasi seperti yang Anda lakukan dalam contoh Anda. Sederhana a[:] = vakan mencapai apa yang dilakukan iterasi Anda menggunakan siaran numpy .

Tampaknya, tidak hanya kecepatan absolut tetapi juga urutan kecepatan (seperti yang dilaporkan oleh user1579844) bergantung pada mesin; inilah yang saya temukan:

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

Dalam urutan kecepatan menurun:

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!)

Jadi, coba dan cari tahu, dan gunakan apa yang tercepat di platform Anda.

Saya punya

numpy.array(n * [value])

dalam pikiran, tetapi ternyata itu lebih lambat dari semua saran lain untuk cukup besar n .

Berikut ini perbandingan lengkap dengan perfplot (proyek kesayangan saya).

Dua emptyalternatif tersebut masih yang tercepat (dengan NumPy 1.12.1). fullmengejar array yang besar.

Kode untuk menghasilkan plot:

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,
)

Anda dapat menggunakan numpy.tile, misalnya:

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]])

Meskipun tiledimaksudkan untuk 'memasang' array (alih-alih skalar, seperti dalam kasus ini), itu akan melakukan tugasnya, membuat array yang sudah diisi sebelumnya dari berbagai ukuran dan dimensi.

tanpa numpy

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