有没有比使用numpy.asarray()
以list
的形式从输出生成数组更有效的方法?从列表理解输出中有效地生成numpy数组?
这似乎是在复制内存中的所有内容,这似乎并不像对于非常大的数组那样高效。
(更新)例:
import numpy as np
a1 = np.array([1,2,3,4,5,6,7,8,9,10]) # pretend this has thousands of elements
a2 = np.array([3,7,8])
results = np.asarray([np.amax(np.where(a1 > element)) for element in a2])
您的示例似乎没有太大意义。除非'element'大于'a1'中的所有元素,否则它只是'a1'中最大的元素。在任何情况下,这种方法都会使这种函数的大a1变得非常糟糕,那么你究竟在做什么? 'np.frompyfunc'也不会真的加快速度。请注意,与实际完成的工作相比,这里的复制应该是非常不重要的,试图在不知道您的时间花在哪里通常是一个坏主意的情况下优化事情...... – seberg
这仅仅是为了演示。我想要做的是创建符合某些条件的值的数组,以抵抗另一个数组中的一组值。你关于优化的观点是一个很好的观点。我只是好奇地想在这个例子中找到*最佳做法*。谢谢! – ryanjdillon