首页 文章

NumPy数组初始化（填充相同的值）

提问于
浏览 次
168

我需要创建一个长度为 n 的NumPy数组，其中每个元素都是 v .

还有什么比：

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

我知道 zeros 和 ones 适用于v = 0,1 . 我可以使用 v * ones(n) ，但是当 v 是 None 时它不会工作，而且速度也会慢得多 .

python arrays numpy

7 回答

  • 82

    NumPy 1.8引入了np.full()，这是一个比 empty() 更直接的方法，后跟 fill() 用于创建一个填充了某个值的数组：

    >>> 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]])

    这可以说是创建一个充满某些值的数组的方式，因为它明确地描述了正在实现的内容（原则上它可以非常高效，因为它执行一个非常特定的任务） .

    回复于
  • 13

    Updated for Numpy 1.7.0: （给@Rolf Bartstra的帽子 . ）

    a=np.empty(n); a.fill(5) 是最快的 .

    按降序速度顺序：

    %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
    回复于
  • 6

    我相信fill是最快的方法 .

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

    你也应该总是避免像你在你的例子中那样进行迭代 . 一个简单的 a[:] = v 将使用numpy broadcasting完成你的迭代所做的事情 .

    回复于
  • 56

    显然，不仅绝对速度而且速度顺序（由用户1579844报告）取决于机器;这是我发现的：

    a=np.empty(1e4); a.fill(5) 是最快的;

    按降序速度顺序：

    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!)

    所以，试着找出并使用你平台上最快的东西 .

    回复于
  • 9

    我有

    numpy.array(n * [value])

    记住，但显然这比所有其他建议要慢得多 n .

    这里与perfplot（我的宠物项目）进行了全面比较 .

    enter image description here

    两个 empty 替代品仍然是最快的（使用NumPy 1.12.1） . full 赶上大型数组 .

    生成图的代码：

    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,
    )
    回复于
  • 207

    您可以使用 numpy.tile ，例如：

    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]])

    虽然 tile 是指'tile'数组（而不是标量，如本例所示），但它可以完成任务，创建任意大小和维度的预填充数组 .

    回复于
  • 0

    没有numpy

    >>>[2]*3
[2, 2, 2]
    回复于

相关问题