Ініціалізація масиву NumPy (заповнення однаковими значеннями)

Мені потрібно створити масив NumPy довжини n, кожен елемент якого є v.

Чи є щось краще, ніж:

a = empty(n)
for i in range(n):
    a[i] = v

Я знаю zerosі onesпрацював би для v = 0, 1. Я міг би використовувати v * ones(n), але він не працюватиме, коли vє None, і також буде набагато повільніше.

Введено NumPy 1.8 np.full(), який є більш прямим методом, ніж empty()слід за fill()створенням масиву, заповненого певним значенням:

>>> np.full((3, 5), 7)
array([[ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.]])

>>> np.full((3, 5), 7, dtype=int)
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

Це, можливо , спосіб створення масиву , заповнений певними значеннями, тому що він явно описує те , що це досягається (і це в принципі може бути дуже ефективним , так як він виконує дуже конкретне завдання).

Оновлено для Numpy 1.7.0: (Шапка-підказка до @Rolf Bartstra.)

a=np.empty(n); a.fill(5) найшвидший.

У порядку зменшення швидкості:

%timeit a=np.empty(1e4); a.fill(5)
100000 loops, best of 3: 5.85 us per loop

%timeit a=np.empty(1e4); a[:]=5 
100000 loops, best of 3: 7.15 us per loop

%timeit a=np.ones(1e4)*5
10000 loops, best of 3: 22.9 us per loop

%timeit a=np.repeat(5,(1e4))
10000 loops, best of 3: 81.7 us per loop

%timeit a=np.tile(5,[1e4])
10000 loops, best of 3: 82.9 us per loop

Я вважаю, що fillце найшвидший спосіб зробити це.

a = np.empty(10)
a.fill(7)

Ви також завжди повинні уникати ітерацій, як це робите у своєму прикладі. Простий a[:] = vвиконає те, що робить ваша ітерація, використовуючи нумероване мовлення .

По- видимому, не тільки абсолютні швидкості , а й швидкість порядку (за даними user1579844) залежать машин; ось що я знайшов:

a=np.empty(1e4); a.fill(5) найшвидший;

У порядку зменшення швидкості:

timeit a=np.empty(1e4); a.fill(5) 
# 100000 loops, best of 3: 10.2 us per loop
timeit a=np.empty(1e4); a[:]=5
# 100000 loops, best of 3: 16.9 us per loop
timeit a=np.ones(1e4)*5
# 100000 loops, best of 3: 32.2 us per loop
timeit a=np.tile(5,[1e4])
# 10000 loops, best of 3: 90.9 us per loop
timeit a=np.repeat(5,(1e4))
# 10000 loops, best of 3: 98.3 us per loop
timeit a=np.array([5]*int(1e4))
# 1000 loops, best of 3: 1.69 ms per loop (slowest BY FAR!)

Отже, спробуйте і дізнайтеся, і використовуйте те, що найшвидше на вашій платформі.

я мав

numpy.array(n * [value])

на увазі, але, мабуть, це повільніше, ніж усі інші пропозиції для досить великих n.

Ось повне порівняння з perfplot (мій проект для домашніх тварин).

Дві emptyальтернативи все ще найшвидші (з NumPy 1.12.1). fullназдоганяє великі масиви.

Код для створення сюжету:

import numpy as np
import perfplot


def empty_fill(n):
    a = np.empty(n)
    a.fill(3.14)
    return a


def empty_colon(n):
    a = np.empty(n)
    a[:] = 3.14
    return a


def ones_times(n):
    return 3.14 * np.ones(n)


def repeat(n):
    return np.repeat(3.14, (n))


def tile(n):
    return np.repeat(3.14, [n])


def full(n):
    return np.full((n), 3.14)


def list_to_array(n):
    return np.array(n * [3.14])


perfplot.show(
    setup=lambda n: n,
    kernels=[empty_fill, empty_colon, ones_times, repeat, tile, full, list_to_array],
    n_range=[2 ** k for k in range(27)],
    xlabel="len(a)",
    logx=True,
    logy=True,
)

Ви можете використовувати numpy.tile, наприклад:

v = 7
rows = 3
cols = 5
a = numpy.tile(v, (rows,cols))
a
Out[1]: 
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

Хоча tileпризначений для "плитки" масиву (замість скаляра, як у цьому випадку), він зробить роботу, створивши попередньо заповнені масиви будь-якого розміру та розміру.

без нуд

>>>[2]*3
[2, 2, 2]