有没有办法复制 array.array
(不是列表
)在Python中,除了创建一个新列表并复制值之外,还是使用.to_something
和.from_something
?我似乎在文档中找不到任何内容。如果没有,是否有类似的内置数据类型可以做到这一点?
我正在开发一个高性能模块,所以答案越快越好。
我当前的解决方案仅使用 .to_bytes
和 .from_bytes
,根据我的测试,速度大约快 1.8 倍。
最佳答案
不确定您的array.array
包含什么,但使用示例:
>>> import array
>>> a = array.array('i', [1, 2, 3] * 1000)
array('i', [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1,
2, 3, 1, 2, 3, 1, 2, 3, 1, 2, ... ])
一些设置:
>>> from copy import deepcopy
>>> import numpy as np
对各种方法进行计时
(在 Jupyter Notebook 中使用 %timeit 魔法):
切片
In [1]: %timeit cp = a[:]
418 ns ± 4.89 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
深拷贝
In [2]: %timeit cp = deepcopy(a)
1.83 µs ± 34 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
numpy copy ... 注意:这会生成一个 numpy 数组,而不是 array.array
In [3]: %timeit cp = np.copy(a)
1.87 µs ± 62.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
列表理解和 array.array 转换
In [4]: %timeit cp = array.array('i', [item for item in a])
147 µs ± 5.39 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
numpy 复制和 array.array 转换
In [5]: %timeit cp = array.array('i', np.copy(a))
310 µs ± 2.25 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
复制到现有数组
In[6]: pre = array.array('i', [0, 0, 0] * 1000)
In[7]: %timeit for i, element in enumerate(a): pre[i] = a[i]
344 µs ± 7.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
关于Python:复制 `array.array`,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48106028/