NumPy数组内存分配

Question

根据我所了解的Numpy数组，它们比标准Python列表更加内存高效。但是令我困惑的是，当你创建一个numpy数组时，你必须传入一个Python列表。我猜测这个Python列表会被拆分，但是对我来说，似乎这样做有些抵消了使用内存高效的数据结构的目的，因为你需要创建一个更大的低效数据结构来创建高效的数据结构。

那么numpy.zeros是否可以解决这个问题？

- atritt

Answer 1

有很多种方法可以创建NumPy数组。将Python列表传递给np.array或np.asarray仅是其中一种方法。

另一种方法是使用迭代器：

In [11]: np.fromiter(xrange(10), count=10, dtype='float')
Out[11]: array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])

在这种情况下，不涉及大型临时Python列表。因此，您可以定义一个生成函数来产生列表中的项目，而不是构建Python列表。然后，将生成器传递给np.fromiter来创建数组。由于np.fromiter始终创建1D数组，因此要创建更高维度的数组，请对返回值使用reshape。

还有np.fromfunction、np.frombuffer、np.fromfile、np.loadtxt、np.genfromtxt、np.fromstring、np.zeros、np.empty和np.ones。它们都提供了一种创建NumPy数组的方法，而不创建大型临时Python对象。

- unutbu

Answer 2

总的来说，如果你预先分配大小，Numpy更加高效。 如果你知道你将要填充一个MxN矩阵...先创建它，然后再填充，而不是使用append等方法。

虽然列表必须被创建，但很多效率提升来自于对该结构的操作。 读/写/计算等。

- sedavidw