使用多个数字的多次迭代填充 numpy 数组的快速方法答案

【问题标题】：Fast way to populate numpy array with multiple iterations of multiple numbers使用多个数字的多次迭代填充 numpy 数组的快速方法
【发布时间】：2014-08-29 02:31:16
【问题描述】：

我需要填充一个 numpy 数组，执行速度对我来说很重要。该数组将使用一个字典，该字典将指定我需要多少个数组值（键值）的实例（索引键值）。

下面的脚本是我的尝试，测试显示它需要 0.14 秒才能运行，但如果我删除 hstack，它会在 0.004 秒内运行。所以我得出结论，这是花费时间的数组的连接。有什么更好的方法？

请注意，下面的字典只是一个测试用例，通常我会有大约 100 个不同的值，每个值将重复大约 10,000 次。

td = {}
for ii in range(100):
    td[ii] = 10000+ii
a = np.ones(0)
for aa in td:
    a = np.hstack((a,np.ones(td[aa])*aa))

【问题讨论】：

标签： arrays python-2.7 numpy

【解决方案1】：

完全预分配内存几乎比 Josh 的解决方案快 10 倍。

a = np.empty((sum(td.values(),)))
i=0
for k,v in td.iteritems():
    a[i:i+v]=k
    i +=v

当您在开始时有足够的信息来调整数组大小时，为什么还要搞乱中间存储？（np.empty 是一种无需实际设置任何值即可快速调整数组大小的方法）

【讨论】：

【解决方案2】：

这段代码做同样的事情，但在我的机器上需要 3 毫秒 vs 200 毫秒：

td = {}
for ii in range(100):
    td[ii] = 10000+ii

a = np.hstack([np.ones(td[aa])*aa for aa in td])

它在数组列表上调用一次np.hstack，而不是重复加入。另外，请注意，您遍历字典的顺序不能保证与插入顺序相同（如果需要，请使用 OrderedDict），因此您应该小心。

【讨论】：