假设我们有两个相同数据类型和形状的大型numpy数组，大小约为GB级别。将所有值从一个复制到另一个的最快方法是什么？
当我使用正常符号进行此操作时，例如
我并不建议在这个问题上使用
是否存在一种python接口，可以使用一些多线程C / C ++
更新（2017年5月3日）
如果可能，使用多个python进程移动数据可以大大提高速度。我有一个场景，其中我已经有几个小的共享内存缓冲区被工作进程写入。每当一个填满时，主进程会收集这些数据并将其复制到主缓冲区中。但是，只有选择主缓冲区中的位置，并分配一个记录工作进程来实际执行复制（从大量待命的记录进程中），才能更快地完成。在我的特定计算机上，可以通过并发工作进程在很短的时间内移动几GB，而单个进程需要几秒钟。
尽管如此，这种设置并不总是（甚至通常不是）可能的，因此最好有一个单个python进程能够进入多线程memcpy例程...
当我使用正常符号进行此操作时，例如
A[:] = B，我会看到计算机上的一个核心在几秒钟内以最大的努力进行复制，而其他核心则处于空闲状态。 当我使用multiprocessing启动多个工作进程，并让它们每个人将不同的切片复制到目标数组中，以便复制所有数据时，使用多个工作进程会更快。无论目标数组是共享内存数组还是成为工作进程的本地数组，这都是正确的。在具有多个核心的机器上，在一些测试中，我可以获得5-10倍的加速。随着我添加更多的工作进程，速度最终会平稳下来，甚至会变慢，因此我认为这达到了内存性能限制。我并不建议在这个问题上使用
multiprocessing；它只是为了证明更好的硬件利用可能性。是否存在一种python接口，可以使用一些多线程C / C ++
memcpy工具？更新（2017年5月3日）
如果可能，使用多个python进程移动数据可以大大提高速度。我有一个场景，其中我已经有几个小的共享内存缓冲区被工作进程写入。每当一个填满时，主进程会收集这些数据并将其复制到主缓冲区中。但是，只有选择主缓冲区中的位置，并分配一个记录工作进程来实际执行复制（从大量待命的记录进程中），才能更快地完成。在我的特定计算机上，可以通过并发工作进程在很短的时间内移动几GB，而单个进程需要几秒钟。
尽管如此，这种设置并不总是（甚至通常不是）可能的，因此最好有一个单个python进程能够进入多线程memcpy例程...
memcpy的C库，如果请求的大小足够大，则可能是并发的，这是非常简单的，然后您可以通过ctypes简单地调用它。但是再次强调，一个良好编写的memcpy甚至在不涉及多线程的情况下也可以饱和内存。 - Matteo Italia