使用切片的numpy数组赋值

如果b是一个2×2的np.ndarray并且执行了下面的赋值，numpy会在后台做些什么，也就是说它会将列表[100，100] 第一个转换为numpy数组还是它直接使用列表[100,100]，填补了值b的第一行：使用切片的numpy数组赋值

b[1,:] = [100,100]

的文档中哪里可以找到更多这方面的信息？

来源

2014-05-13 methane

你会发现更多的信息'numpy'是开源的，如果你有兴趣在如何的东西是* *实现单看来源。 – Bakuriu

答案是“视情况而定”。查看Numpy发行版中的'core/src/multiarray/sequence.c'（'array_assign_slice'：https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/sequence.c#L91 ）。在你的例子中，我认为代码不会将列表转换为数组，但根据其他情况，它可能会。 –

@goncalopp是的，我关心内存使用情况。 – methane

-2

b[1,:] = [100,100]是完全一样的

b[1,0] = 100 
b[1,1] = 100

然而更快地执行，因为它使用编译循环。（第二个需要在赋值之前对ndarray dtype进行转换）。

来源

2014-05-20 13:42:30 Taha

这是在文档的某处吗？如果是这样，你能否提供一个链接到这里记录的地方？谢谢 – dg123

是的，请让我知道它是否在文档中的某处。什么是编译循环？ – methane

你好，我在谈论解释型语言和编译型语言的区别。据了解，Python可以通过命令执行，与编译的C或Java不同。也是众所周知的，numpy是一种与Python协同工作的接口，但是作为一个编译好的程序运行。下面的答案给出了一个关于循环性能的例子。 – Taha

要评估执行速度，我们将使用timeit库。

import timeit 
import numpy as np 

setup = """ 
import numpy as np 
tmp = np.empty(shape=(1, 100)) 
values = [i for i in xrange(100)] 
""" 

stmt1 = """tmp[0, :] = values""" 
stmt2 = """ 
for i, val in enumerate(values): 
    tmp[0, i] = val 
""" 

time1 = timeit.Timer(setup=setup, stmt=stmt1) 
time2 = timeit.Timer(setup=setup, stmt=stmt2) 

print "numpy way :", time1.timeit(number=100000) 
print "Python way:", time2.timeit(number=100000)

您可以测试这一点，你会发现，numpy的循环是快两倍：

- numpy way : 0.97758197784423828 
- Python way: 2.1633858680725098

这是因为存在这样的情况在values的整数（这是无限的整数）被转换成相64位浮点数。为了只比较循环的速度，类型转换可以预先在安装完成：

values = np.array([i for i in xrange(100)], dtype=np.float64)

这是我获得的：

numpy way : 0.131125926971 
Python way: 2.64055013657

我们注意到，numpy的循环是20倍比Python循环更快。

，如果你找vectorized computations in Python ...

来源

2014-05-23 09:09:12 Taha

使用切片的numpy数组赋值

回答

相关问题