一种将值从 numpy 数组复制到另一个数组的更快方法，知道两个数组具有不同的形状

Question

从数组复制到矩阵的更快方法是什么。 示例：

A = np.zeros((5, 3))
B = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

将 B 的值复制到 A 后，结果 A 应该是：

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [ 0  0  0]
 [ 0  0  0]]

提前谢谢你

Answer 1

你可以使用np.put:

In [74]: np.put(A, np.arange(len(B)), B)

In [75]: A
Out[75]: 
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.],
       [ 7.,  8.,  9.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

或分配给A.flat:

A.flat[:len(B)] = B

或者（正如 ali_m 指出的那样）如果 A 是 C 连续的，您可以使用 A.ravel：

assert A.flags['C_CONTIGUOUS']
A.ravel()[:len(B)] = B

如果 A 不是 C 连续的，则 A.ravel() 返回一个副本。修改副本不会修改A。非 C 连续数组的示例包括具有非单位步长的切片（例如 A[::2]）和 F 连续数组（例如 np.asarray(A, order='F')）。

---

您可以使用Python's timeit module 对代码片段进行基准测试。如果你有IPython，一个特别方便的基准代码sn-ps的方法是使用它的%timeit“魔法”功能：

In [83]: A = np.zeros((500, 300))

In [84]: B = np.tile(np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]),1000)

In [88]: %timeit A = np.zeros((500, 300)); A.flat[:len(B)] = B
10000 loops, best of 3: 158 µs per loop

In [89]: %timeit A = np.zeros((500, 300)); np.put(A, np.arange(len(B)), B)
1000 loops, best of 3: 238 µs per loop

In [18]: %timeit A = np.zeros((500, 300)); A.ravel()[:len(B)] = B
10000 loops, best of 3: 91.6 µs per loop

这表明A.ravel()[:len(B)] = B 比A.flat[:len(B)] = B 快，A.flat[:len(B)] = B 比np.put(A, np.arange(len(B)), B) 快。

基准可能因机器而异，具体取决于许多因素，例如 硬件、操作系统、软件版本或软件的编译方式。一块 的代码可能比小数组的替代代码更快，但是 对于较大的阵列，速度较慢。所以当你真的想进行基准测试时，一定要测试 输入、硬件和软件上的代码最接近您的实际用例，而 记住预优化是徒劳的。