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：

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)，但它当v 是None 时它不起作用，并且也 s> 会慢很多。

Answer 1

我相信fill 是最快的方法。

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

您还应该始终避免像在示例中那样进行迭代。一个简单的 a[:] = v 将使用 numpy broadcasting 完成您的迭代。

Answer 2

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 旨在“平铺”一个数组（而不是本例中的标量），但它可以完成这项工作，创建任何大小和维度的预填充数组。

Answer 3

为 Numpy 1.7.0 更新：（向@Rolf Bartstra 致敬。）

a=np.empty(n); a.fill(5) 最快。

按速度降序排列：

%timeit a=np.empty(10000); a.fill(5)
100000 loops, best of 3: 5.85 us per loop

%timeit a=np.empty(10000); a[:]=5 
100000 loops, best of 3: 7.15 us per loop

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

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

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

Answer 4

显然，不仅绝对速度，而且速度顺序（由 user1579844 报告）都取决于机器；这是我发现的：

a=np.empty(1e4); a.fill(5) 最快；

按速度降序排列：

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东西。

Answer 5

NumPy 1.8 引入了np.full()，这是一种比empty() 后跟fill() 更直接的方法，用于创建填充有特定值的数组：

>>> 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填充了特定值的数组的方式，因为它明确地描述了正在实现的目标（原则上它可以非常有效，因为它执行一项非常具体的任务）。

Answer 6

我想到了np.array(n * [value])，但显然这比所有其他足够大的n 建议要慢。在可读性和速度方面最好的是

np.full(n, 3.14)

这是与perfplot（我的一个宠物项目）的完整比较。

两个empty 替代方案仍然是最快的（使用 NumPy 1.12.1）。 full 赶上大型数组。

---

生成绘图的代码：

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 7

没有 numpy

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