logo标签列表

在Python中，复制2D数组的最快方法是什么？

pythonarraysperformancecopy
4

我需要在一个R*C的网格上进行大量的模拟。

这些模拟会改变网格，所以我需要在每次模拟之前复制我的参考网格，然后在全新的网格上应用我的模拟函数。

在Python中，最快的方法是什么？

由于我在StackOverflow上没有找到类似的问题，因此我自己进行了测试，并决定将它们发布在这里，希望它们对其他人有用。

答案将是社区回应，以便其他人可以使用可能的其他技术添加新的测量结果。

如果您添加另一种方法，请记得测量所有旧测试并更新它们，因为时间取决于所使用的计算机，避免偏倚结果。

什么样的数组？NumPy ndarray？Python 数组？嵌套 Python 列表？其他类型的数组？ - MSeifert
2个回答
14

我使用了bash变量来设置timeit测试：

setup="""
R = 100
C = 100
from copy import deepcopy
import numpy as np
ref = [[i for i in range(C)] for _ in range(R)]
ref_np = np.array(ref)
cp = [[100 for i in range(C)] for _ in range(R)]
cp_np = np.array(cp)
"""

为了方便起见，我也设置了一个临时别名pybench：

alias pybench='python3.5 -m timeit -s "$setup" $1'

Python 3

Python 3.5.0+ (默认，2015年10月11日，09:05:38)

  • 深拷贝：

>>> pybench "cp = deepcopy(ref)"
100 loops, best of 3: 8.29 msec per loop

  • 使用索引修改预先创建的数组：

    >>> pybench \
"for y in range(R):
    for x in range(C):
        cp[y][x] = ref[y][x]"
1000 loops, best of 3: 1.16 msec per loop

  • 嵌套列表推导式：

    • >>> pybench "cp = [[x for x in row] for row in ref]"
1000 loops, best of 3: 390 usec per loop

  • 切片：

    • >>> pybench "cp = [row[:] for row in ref]"
10000 loops, best of 3: 45.8 usec per loop

  • NumPy复制：

    >>> pybench "cp_np = np.copy(ref_np)"
100000 loops, best of 3: 6.03 usec per loop

  • 将数据复制到预创建的NumPy数组中：

    • >>> pybench "np.copyto(cp_np, ref_np)"
100000 loops, best of 3: 4.52 usec per loop

    这些结果并不令人惊讶，正如你所猜测的那样，使用NumPy会极大地提高速度，尤其是如果避免每次创建新表格。

    0
    网页内容由stack overflow 提供, 点击上面的
    可以查看英文原文，
    原文链接