NumPy数组初始化（填充相同的值）

Question

我需要创建一个长度为n的NumPy数组，其中每个元素都是v。

还有什么比：

更好

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

我知道zeros和ones适用于v = 0,1。我可以使用v * ones(n)，但当v为None时，将不起作用<{1}}，以及会慢得多。

Answer 1

NumPy 1.8引入了np.full()，这是一种比empty()更直接的方法，后跟fill()来创建一个充满特定值的数组：

>>> 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]])

这可以说是创建一个充满某些值的数组的 方式，因为它明确地描述了正在实现的内容（原则上它可以非常有效，因为它执行非常特定的任务）。

Answer 2

更新为Numpy 1.7.0：（帽子提示给@Rolf Bartstra。）

a=np.empty(n); a.fill(5)最快。

按降序排列：

%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

Answer 3

我相信fill是最快的方法。

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

你也应该总是避免像你在你的例子中那样进行迭代。一个简单的a[:] = v将使用numpy broadcasting完成迭代所做的事情。

Answer 4

显然，不仅绝对速度而且速度订单（由用户1579844报告）取决于机器;这是我发现的：

a=np.empty(1e4); a.fill(5)最快;

按降序排列：

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!)

因此，请尝试找出并使用您平台上最快的内容。

Answer 5

我有

numpy.array(n * [value])

记住，但显然这比其他足够大n的其他建议要慢。

这里与perfplot（我的宠物项目）完全比较。

两个empty替代品仍然是最快的（使用NumPy 1.12.1）。 full赶上大阵列。

生成情节的代码：

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,
    )

Answer 6

您可以使用numpy.tile，例如：

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]])

虽然tile意味着“平铺”一个数组（而不是标量，如本例所示），但它可以完成任务，创建任意大小和维度的预填充数组。

Answer 7

没有numpy

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