arrays - 知道两个数组具有不同形状的将值从 numpy 数组复制到另一个的更快方法

Question

从数组复制到矩阵的更快方法是什么。示例:

A = np.zeros((5, 3))
B = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

将 B 的值复制到 A 后，结果 A 应该是:

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [ 0  0  0]
 [ 0  0  0]]

提前致谢

Answer 1

你可以使用 np.put :

In [74]: np.put(A, np.arange(len(B)), B)

In [75]: A
Out[75]: 
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.],
       [ 7.,  8.,  9.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

或分配给A.flat :

A.flat[:len(B)] = B

或者(正如 ali_m 指出的那样)如果 A 是 C 连续的，您可以使用 A.ravel:

assert A.flags['C_CONTIGUOUS']
A.ravel()[:len(B)] = B

如果 A 不是 C 连续的，则 A.ravel() 返回一个副本。修改副本不会修改 A。非 C 连续数组的示例包括具有非单位步长的切片，例如 A[::2] 和 F 连续数组，例如 np.asarray(A, order=' F').

---

您可以使用 Python's timeit module对代码进行基准测试。如果你有 IPython ，对代码片段进行基准测试的一种特别方便的方法是使用它的 %timeit “魔术”功能:

In [83]: A = np.zeros((500, 300))

In [84]: B = np.tile(np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]),1000)

In [88]: %timeit A = np.zeros((500, 300)); A.flat[:len(B)] = B
10000 loops, best of 3: 158 µs per loop

In [89]: %timeit A = np.zeros((500, 300)); np.put(A, np.arange(len(B)), B)
1000 loops, best of 3: 238 µs per loop

In [18]: %timeit A = np.zeros((500, 300)); A.ravel()[:len(B)] = B
10000 loops, best of 3: 91.6 µs per loop

这表明 A.ravel()[:len(B)] = B 比 A.flat[:len(B)] = B 更快这比 np.put(A, np.arange(len(B)), B) 更快。

基准可能因机器而异，具体取决于许多因素，例如硬件、操作系统、软件版本或软件的编译方式。一 block 代码可能比小数组的替代代码更快，但是较大的阵列较慢。所以当你真的想做benchmark的时候，一定要测试最接近实际用例的输入、硬件和软件代码，同时请牢记预优化是徒劳的。