我有一个numpy数组,我可以使用"append"简单地向其中添加一个项目,如下所示:
numpy.append(myarray, 1)
在这种情况下,我只是添加了整数1
。
但是这是否是将元素附加到数组的最快方法?我有一个非常长的数组,它有成千上万个元素。
还是直接索引数组并直接赋值更好?像这样:
myarray[123] = 1
我有一个numpy数组,我可以使用"append"简单地向其中添加一个项目,如下所示:
numpy.append(myarray, 1)
在这种情况下,我只是添加了整数1
。
但是这是否是将元素附加到数组的最快方法?我有一个非常长的数组,它有成千上万个元素。
还是直接索引数组并直接赋值更好?像这样:
myarray[123] = 1
向NumPy数组添加元素非常低效。这是因为解释器需要在每个步骤中找到并为整个数组分配内存。根据应用程序,有更好的策略。
如果您预先知道长度,最好使用像np.ones
、np.zeros
或np.empty
这样的函数来预分配数组。
desired_length = 500
results = np.empty(desired_length)
for i in range(desired_length):
results[i] = i**2
如果您不知道长度,将结果保存在常规列表中,然后再将其转换为数组可能更加高效。results = []
while condition:
a = do_stuff()
results.append(a)
results = np.array(results)
这是我电脑上的一些时间统计。
def pre_allocate():
results = np.empty(5000)
for i in range(5000):
results[i] = i**2
return results
def list_append():
results = []
for i in range(5000):
results.append(i**2)
return np.array(results)
def numpy_append():
results = np.array([])
for i in range(5000):
np.append(results, i**2)
return results
%timeit pre_allocate()
# 100 loops, best of 3: 2.42 ms per loop
%timeit list_append()
# 100 loops, best of 3: 2.5 ms per loop
%timeit numpy_append()
# 10 loops, best of 3: 48.4 ms per loop
因此,您可以看到预分配和先使用列表再转换两种方法都更快。
np.append
、np.hstack
、np.concatenate
等函数的时间差异进行一些分析。请注意保留HTML标签。