Numpy数组访问优化

Question

所以，我有一个大的numpy数组（超过1000万个元素甚至更多） 然后我有一个循环，它访问大型数组。

在每次迭代中，循环遍历一个相邻索引列表，从numpy数组中检索值。 目前，我采取一个大数组，然后检索值。

例如： 循环需要访问[1000, 1000], [1001, 1000], [1002,999] 它将采用array[1000:1003, 999 : 1001]的切片，然后访问元素。

这会降低循环的性能，还是增加它（理论上）？

Answer 1

根据我的记忆，切片完成后将列表部分复制到内存中。我不确定，但我几乎可以肯定这个操作是O（1）。但是直接进行，比如

container = [] for i in range(a,b): container.append(l[i])

通常会更快。

Answer 2

arr1 = arr[1000:1003, 999 : 1001]是view arr。这意味着它是一个新的数组对象，具有自己的形状和步幅，但它与arr共享数据缓冲区。 （我可以详细了解它如何分享＆＃39;但我认为这不重要。）

arr[1000, 1000]，arr[1001, 1000]，arr[1002,999]是arr的个别元素。 arr1[0,1]，arr1[1,1]，arr1[2,0]引用相同的元素（如果我已经完成了数学运算）。我有根据的猜测是访问时间是一样的。

这三个元素可以一次获取，一个副本，

arr2 = arr[[1000, 1001, 1002],[1000, 1000, 999]]

我希望

for x in arr:
   <do something with x>

会比

更快

for idx in [[1000, 1000], [1001, 1000], [1002,999]]:
    x = arr[idx]
    <do something with x>

但很可能“做某事”＆＃39;时间将超过索引时间。

但是我鼓励你设置一个测试用例，然后尝试替代方案。看看自己有什么不同。