【问题标题】：What is the fastest way to copy a 2D array in Python?在 Python 中复制二维数组的最快方法是什么？
【发布时间】：2016-05-01 15:07:49
【问题描述】：

我必须在R*C 网格上进行大量模拟。

这些模拟正在改变网格，所以我需要在每个之前复制我的参考网格，然后将我的模拟功能应用到新的网格上。

在 Python 中最快的方法是什么？

由于我在 StackOverflow 上没有找到类似的问题，所以我自己进行了测试，并决定将它们发布在这里，认为它们可能对其他人有用。

答案将是社区响应，以便其他人可以使用其他可能的技术添加新的测量值。

如果您添加其他方法，请记住测量所有旧测试并更新它们，因为时间取决于使用的计算机，避免结果出现偏差。

【问题讨论】：

什么样的数组？ NumPy 数组？蟒蛇数组？嵌套的python列表？其他数组？

标签： python arrays performance copy

【解决方案1】：

我使用 bash 变量来设置 timeit 测试：

setup="""
R = 100
C = 100
from copy import deepcopy
import numpy as np
ref = [[i for i in range(C)] for _ in range(R)]
ref_np = np.array(ref)
cp = [[100 for i in range(C)] for _ in range(R)]
cp_np = np.array(cp)
"""

为了方便，我还设置了一个临时别名pybench：

alias pybench='python3.5 -m timeit -s "$setup" $1'

Python 3

Python 3.5.0+（默认，2015 年 10 月 11 日，09:05:38）

深拷贝：

>>> pybench "cp = deepcopy(ref)"
100 loops, best of 3: 8.29 msec per loop

使用索引修改预先创建的数组：

>>> pybench \
"for y in range(R):
    for x in range(C):
        cp[y][x] = ref[y][x]"
1000 loops, best of 3: 1.16 msec per loop

嵌套列表理解：

>>> pybench "cp = [[x for x in row] for row in ref]"
1000 loops, best of 3: 390 usec per loop

切片：

>>> pybench "cp = [row[:] for row in ref]"
10000 loops, best of 3: 45.8 usec per loop

NumPy 副本：

>>> pybench "cp_np = np.copy(ref_np)"
100000 loops, best of 3: 6.03 usec per loop

复制到预先创建的 NumPy 数组：

>>> pybench "np.copyto(cp_np, ref_np)"
100000 loops, best of 3: 4.52 usec per loop

正如您可能已经猜到的那样，这些结果并没有什么令人惊讶的地方，使用 NumPy 的速度要快得多，尤其是在避免每次都创建新表的情况下。

【讨论】：

【解决方案2】：

为了补充 Delgan 的答案，numpy copy 的文档说使用 numpy.ndarray.copy 作为首选方法。所以现在，不做时序测试，我将使用 numpy.ndarray.copy

https://numpy.org/doc/stable/reference/generated/numpy.copy.html

https://numpy.org/doc/stable/reference/generated/numpy.ndarray.copy.html

【讨论】：