Question

在Python中，对于多个应用程序，我通常必须将值存储到数组中，例如：

results = []
for i in range(num_simulations):
    ...<calculate results_new>...
    results.append(results_new)

然而，我已经看到大多数其他示例代码首先声明一个零值数组：

results = np.zeros(len(num_simulations))
for i in range(num_simulations):
    ...<calculate results_new>...
    results[i] = results_new

哪一种更适合常规练习？或者即使您必须进行性能比较，这两种方法之间的时间和内存是否真的存在显着差异？

免责声明：我或多或少只使用Python代码进行模拟，因此我只想在实践中实现更好的实践。

Answer 1

关于使用numpy数组，您应该了解一些事项：

如果你要玩矩阵，它们会更快。在您的应用程序中，仅存储数据，它们不会提供任何特殊的额外好处
然而，初始化它们既有成本也有好处。使用预先分配的空间的好处是你不必担心遇到内存问题等。这就是分配那么大的内存空间的重载更为重要（参见代码结尾）

因此，在您的应用程序中，如果您只是将结果存储在列表中，而不是执行任何数值方法，那么如果您不使用numpy就可以了。事实上，这样做效率更高，如下所示

In [29]: %%timeit
    ...: results=[]
    ...: num_simulations=10000
    ...: for i in range(num_simulations):
    ...:     results.append(i)
    ...: 
1000 loops, best of 3: 984 µs per loop

In [30]: %%timeit
    ...: num_simulations = 10000
    ...: results=np.zeros(num_simulations)
    ...: for i in range(num_simulations):
    ...:     results[i]=i
    ...: 
1000 loops, best of 3: 1.44 ms per loop

In [31]: %%timeit
    ...: results=[]
    ...: num_simulations=100000
    ...: for i in range(num_simulations):
    ...:     results.append(i)
    ...: 
100 loops, best of 3: 10.1 ms per loop

In [32]: %%timeit
    ...: num_simulations = 100000
    ...: results=np.zeros(num_simulations)
    ...: for i in range(num_simulations):
    ...:     results[i]=i
    ...: 
100 loops, best of 3: 15.4 ms per loop

In [33]: %%timeit
    ...: results=[]
    ...: num_simulations=1000000
    ...: for i in range(num_simulations):
    ...:     results.append(i)
    ...: 
10 loops, best of 3: 103 ms per loop

In [34]: %%timeit
    ...: num_simulations = 1000000
    ...: results=np.zeros(num_simulations)
    ...: for i in range(num_simulations):
    ...:     results[i]=i
    ...: 
10 loops, best of 3: 156 ms per loop

总结一下结果，

Normal list vs     Numpy
984         vs     1440 microsecond     for 10000 simulations
10.1        vs     15.4 millisecond     for 100000 simulations
103         vs     156 millisecond      for 1000000 simulations

显然，仅使用列表，纯粹用于存储更快，因为它不涉及堆内存分配开销

然而，对于你想要在矩阵上执行的几乎任何数值方法，Numpy提供了更多的黯然失色的好处

将值附加到空列表或将值分配给预定义的数组？

1 个答案: