np.full(size, 0)与np.zeros(size)与np.empty()的区别在哪里？

Question

如果你要选择以下三种方式之一来初始化一个零数组，你会选择哪一种，为什么？

my_arr_1 = np.full(size, 0) 

或者

my_arr_2 = np.zeros(size)

或者

my_arr_3 = np.empty(size)
my_arr_3[:] = 0

- Dataman

---

这正是np.zeros的用途。你为什么不使用它呢？ - Warren Weckesser

我实际上正在使用它。但是，我不确定这些方法中哪一种在时间和内存使用方面最有效！ - Dataman

Answer 1

我会使用np.zeros，因为它的名称。我绝不会使用第三种习惯用法，因为

1. 它需要两个语句而不是一个单独的表达式

2. 对于NumPy的开发人员来说更难进行优化。事实上，在NumPy 1.10中，尽管所有索引优化，np.zeros仍然是最快的选项：

>>> %timeit np.zeros(1e6)
1000 loops, best of 3: 804 µs per loop
>>> %timeit np.full(1e6, 0)
1000 loops, best of 3: 816 µs per loop
>>> %timeit a = np.empty(1e6); a[:] = 0
1000 loops, best of 3: 919 µs per loop

与@John Zwinck的结果进行比较的更大的数组：

>>> %timeit np.zeros(1e8)
100000 loops, best of 3: 9.66 µs per loop
>>> %timeit np.full(1e8, 0)
1 loops, best of 3: 614 ms per loop
>>> %timeit a = np.empty(1e8); a[:] = 0
1 loops, best of 3: 229 ms per loop

- Fred Foo

---

“full”和赋值是相同的，尽管我更喜欢提到我更喜欢a[...] = 0而不是a[:]。现在的zeros会告诉内核将内存清零。 - seberg

没有，但这并不在我的测量范围内 :) - seberg

根据此，以及1e6和1e8情况下的时间，我猜测np.zeros()最终会使用匿名的mmap()，超过某个阈值（np.empty()可能也会使用它，设置了MAP_UNINITIALIZED标志），并且在第一次读/写之前内存不会被清零，甚至不能正确分配，使得计时更或多或少无用。 （对于所有测量中的数组执行例如np.sum()可能会给出更合理的结果） - Aleksi Torhamo

Answer 2

毫无疑问是使用np.zeros。不仅是最常见和最符合惯用法的方式，而且速度也远超其他方法：

In [1]: size=100000000

In [3]: %timeit np.full(size, 0)
1 loops, best of 3: 344 ms per loop

In [4]: %timeit np.zeros(size)
100000 loops, best of 3: 8.75 µs per loop

In [5]: %timeit a = np.empty(size); a[:] = 0
1 loops, best of 3: 322 ms per loop

- John Zwinck

---

有趣的一点是：如果数组形状不是1D， - chris

Answer 3

np.zeros函数可以更快地将数组初始化为零。如果只想要初始化一个给定形状和类型的数组，但不关心数组中的初始条目，则使用np.empty会稍微更快一些。

以下是基本测试结果：

>>%timeit np.zeros(1000000)
7.89 µs ± 282 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

>>%timeit np.empty(1000000)
7.84 µs ± 332 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

- l001d

---

你正在拿苹果和橙子进行比较。np.zeros(n)和np.empty(n)的结果不同，这已经在@FredFoo的解决方案中解释过了。 - jpp

好的，谢谢你纠正我。所以如果只是初始化，np.empty会稍微快一点；如果要初始化为零，np.zero则会快得多。 - l001d

当然可以。但是有两个不同的问题：（1）不同的输出，（2）速度。实际上，只有（1）很重要。 - jpp

@jpp 我认为，如果我们不关心初始数组中的值，使用np.empty和np.zeros有什么优势。 - Jean Paul

Answer 4

np.zero():always 0
np.empty():Random number, depending on memory condition

最初的回答：

您可以查看以下以进行比较

np.zeros( (3,4) )
array([[ 0.,  0.,  0.,  0.],
...    [ 0.,  0.,  0.,  0.],
...    [ 0.,  0.,  0.,  0.]])


np.empty((3,4))
array([[1.13224202e+277, 1.73151846e-077, 1.24374310e-047,1.30455491e-076],
       [3.92384790e+179, 6.01353875e-154, 3.12452337e-033,7.72229932e+140],
       [1.28654694e-320, 0.00000000e+000, 0.00000000e+000,0.00000000e+000]])

- chenxuZhu

Answer 5

首先，我们应该了解这三者之间的区别，以便选择其中之一。

1. np.zeros(size): 生成一个给定形状的全0数组。

np.zeros(5)    #array([0., 0., 0., 0., 0.])

np.empty(5): empty 创建一个数组，其初始内容是随机的，并且取决于内存的状态。

np.empty(4)    #array([0.00000000e+000, 1.05915457e-311, 1.05915457e-311, 1.05915457e-311])

np.full(size, fill_value): 返回一个给定形状和类型的新数组，填充为fill_value。

np.full((2, 2), 10)      #array([[10, 10],
                                 [10, 10]])  

所以，在这种情况下，np.zeros(size) 显然是正确的选择，也是创建一个填充有零的数组的快速方法。

- Haroon Hayat