使用切片对numpy数组进行赋值

Question

如果b是一个2x2的np.ndarray并执行以下赋值操作，那么numpy在后台会做什么，即它是否将列表[100, 100] 首先转换为numpy数组，还是直接使用列表[100, 100]来填充b的第一行的值：

 b[1,:] = [100,100]

在文档中我可以在哪里找到更多关于此事的信息？

- methane

---

numpy是开源的，如果你对某个实现方式感兴趣，只需查看源代码即可。 - Bakuriu

答案是“这取决于情况”。请查看Numpy分发中的core/src/multiarray/sequence.c（array_assign_slice：https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/sequence.c#L91）。在您的示例中，我认为代码不会将列表转换为数组，但根据其他情况可能会。 - Alok Singhal

@goncalopp 是的，我关注内存使用情况。 - methane

我知道这点，但我在stackoverflow上询问，以便有人已经研究过。否则，任何与Python相关的问题都可以通过查看源代码来回答，因此你可能认为这里不需要Python标签？ - methane

@AlokSinghal 谢谢！你知道有没有任何情况/例子可以证明这种可能性吗？ - methane

@methane 我不确定——你可以查看代码，但是从快速阅读来看，似乎只有当目标维度大于源维度时才会创建一个numpy数组：例如a = numpy.empty((2,3)); a[:] = range(3)。我可能错了。 - Alok Singhal

Answer 1

为了评估执行速度，我们将使用 timeit 库。

import timeit
import numpy as np

setup = """
import numpy as np
tmp = np.empty(shape=(1, 100))
values = [i for i in xrange(100)]
"""

stmt1 = """tmp[0, :] = values"""
stmt2 = """
for i, val in enumerate(values):
    tmp[0, i] = val
"""

time1 = timeit.Timer(setup=setup, stmt=stmt1)
time2 = timeit.Timer(setup=setup, stmt=stmt2)

print "numpy way :", time1.timeit(number=100000)
print "Python way:", time2.timeit(number=100000)

您可以测试一下，您会注意到numpy循环速度快了两倍:

- numpy way : 0.97758197784423828
- Python way: 2.1633858680725098

这是因为在 values 中的整数（它们是无限整数）被转换成 64 位浮点数的阶段。为了仅比较循环的速度，类型转换可以在设置中预先完成：

values = np.array([i for i in xrange(100)], dtype=np.float64)

这是我得到的内容：

numpy way : 0.131125926971
Python way: 2.64055013657

我们注意到numpy循环比Python循环快20倍。如果您寻找有关Python中向量化计算的更多信息，请查看此链接。

- Taha

Answer 2

b[1,:] = [100,100]与

是完全相同的。

b[1,0] = 100
b[1,1] = 100

然而，由于它使用编译循环，因此执行速度更快。 （第二个需要在分配值之前将其转换为ndarray dtype）。

- Taha

---

这个在文档中有提到吗？如果有的话，能否请提供一下相关链接？谢谢。 - DJG

请告诉我，如果文档中有相关信息的话。什么是编译循环？ - methane

你好， 我正在谈论解释语言和编译语言之间的区别。众所周知，Python可以逐个命令地执行，而C或Java则需要编译。 众所周知，numpy是一种与Python配合使用但作为编译程序运行的接口。下面的答案中给出了关于循环性能的一个例子。 - Taha