python - 填充一维 numpy 数组的最快方法

Question

我见过类似的问题，但没有一个直接解决这个问题。 我已经对以下两种填充数组的方式进行了计时，一半的时间使用 np.zeros() 更快，一半的时间直接这样做更快。 有更好的方法吗？我对使用 numpy 数组还很陌生，并且已经参与了加速我的代码的目标，而不是过多地考虑可读性。

import numpy as np
import time

lis = range(100000)

timer = time.time()
list1 = np.array(lis)
print 'normal array creation', time.time() - timer, 'seconds'

timer = time.time()
list2 = np.zeros(len(lis))
list2.fill(lis)
print 'zero, fill - array creation', time.time() - timer, 'seconds'

谢谢

Answer 1

如果你有一个 float 列表 a=[x/10. for x in range(100000)]，那么你可以创建一个数组:

np.array(a) # 9.92ms
np.fromiter(a, dtype=np.float) # 5.19ms

你的方法

list2 = np.zeros(len(lis))
list2.fill(lis)

不会按预期工作。 .fill 用一个值填充整个数组。