numpy数组内存分配

Question

从我读过的关于Numpy数组的内容来看，它们更符合标准Python列表的内存效率。令我困惑的是，当你创建一个numpy数组时，你必须传入一个python列表。我假设这个python列表被解构，但对我来说，如果你不得不创建一个效率更高的结构来创建高效的结构，它似乎会破坏具有高效内存数据结构的目的。

numpy.zeros会解决这个问题吗？

Answer 1

还有many ways to create a NumPy array。传递一个Python列表到np.array或np.asarray就是这样一种方式。

另一种方法是使用一个迭代器：

In [11]: np.fromiter(xrange(10), count=10, dtype='float') 
Out[11]: array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.]) 

在这种情况下，不涉及大的临时Python列表。因此，您可以定义一个产生列表中项目的generator function而不是构建Python列表。然后创建数组，您可以将发生器传递给np.fromiter。由于np.fromiter始终创建一维数组，因此要创建更高维的数组，请在返回的值上使用reshape。

还有np.fromfunction，np.frombuffer，np.fromfile，np.loadtxt，np.genfromtxt，np.fromstring，np.zeros，np.empty和np.ones。这些都提供了创建NumPy数组而不创建大型临时Python对象的方法。

Answer 2

如果您预先分配大小，Numpy通常更高效。如果你知道你将要填充一个MxN矩阵......先创建它然后填充，而不是使用附加例子。

尽管必须创建列表，但效率方面的许多改进都来自对该结构的操作。读/写/计算/等。