NumPy 数组初始化（用相同的值填充）[重复]

问题描述：

我需要创建一个长度为 的 NumPy 数组n，其中每个元素都是v。

还有什么比以下更好的吗：

a = empty(n)
for i in range(n):
    a[i] = v

我知道zeros并且ones适用于v = 0, 1。我可以使用v * ones(n)，但当为时它将不起作用，并且v`None`也会慢得多。

解决方案 1：

NumPy 1.8 引入了，这是一种比创建填充特定值的数组np.full()更直接的方法：empty()`fill()`

>>> np.full((3, 5), 7)
array([[ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.]])

>>> np.full((3, 5), 7, dtype=int)
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

这可以说是创建填充特定值的数组的方式，因为它明确描述了正在实现的目标（并且由于它执行非常具体的任务，因此原则上它可以非常高效）。

解决方案 2：

针对 Numpy 1.7.0 进行了更新:（感谢@Rolf Bartstra。）

a=np.empty(n); a.fill(5)是最快的。

按速度降序排列：

%timeit a=np.empty(10000); a.fill(5)
100000 loops, best of 3: 5.85 us per loop

%timeit a=np.empty(10000); a[:]=5 
100000 loops, best of 3: 7.15 us per loop

%timeit a=np.ones(10000)*5
10000 loops, best of 3: 22.9 us per loop

%timeit a=np.repeat(5,(10000))
10000 loops, best of 3: 81.7 us per loop

%timeit a=np.tile(5,[10000])
10000 loops, best of 3: 82.9 us per loop

解决方案 3：

我相信fill这是最快的方法。

a = np.empty(10)
a.fill(7)

您还应始终避免像示例中那样进行迭代。一个简单的方法将使用 numpy广播a[:] = v完成迭代所做的事情。

解决方案 4：

我曾 np.array(n * [value])考虑过，但显然这比其他所有足够大的建议都慢n。在可读性和速度方面最好的是

np.full(n, 3.14)

这是与perfplot（我的一个小项目）的完整比较。

这两个empty替代方案仍然是最快的（使用 NumPy 1.12.1）。full赶上大型数组。

生成图表的代码：

import numpy as np
import perfplot


def empty_fill(n):
    a = np.empty(n)
    a.fill(3.14)
    return a


def empty_colon(n):
    a = np.empty(n)
    a[:] = 3.14
    return a


def ones_times(n):
    return 3.14 * np.ones(n)


def repeat(n):
    return np.repeat(3.14, (n))


def tile(n):
    return np.repeat(3.14, [n])


def full(n):
    return np.full((n), 3.14)


def list_to_array(n):
    return np.array(n * [3.14])


perfplot.show(
    setup=lambda n: n,
    kernels=[empty_fill, empty_colon, ones_times, repeat, tile, full, list_to_array],
    n_range=[2 ** k for k in range(27)],
    xlabel="len(a)",
    logx=True,
    logy=True,
)

解决方案 5：

显然，不仅绝对速度而且速度顺序（由用户 1579844 报告）都与机器有关；这是我发现的：

a=np.empty(1e4); a.fill(5)是最快的；

按速度降序排列：

timeit a=np.empty(1e4); a.fill(5) 
# 100000 loops, best of 3: 10.2 us per loop
timeit a=np.empty(1e4); a[:]=5
# 100000 loops, best of 3: 16.9 us per loop
timeit a=np.ones(1e4)*5
# 100000 loops, best of 3: 32.2 us per loop
timeit a=np.tile(5,[1e4])
# 10000 loops, best of 3: 90.9 us per loop
timeit a=np.repeat(5,(1e4))
# 10000 loops, best of 3: 98.3 us per loop
timeit a=np.array([5]*int(1e4))
# 1000 loops, best of 3: 1.69 ms per loop (slowest BY FAR!)

因此，请尝试找出并使用在您的平台上最快的方法。

解决方案 6：

没有 numpy

>>>[2]*3
[2, 2, 2]

解决方案 7：

您可以使用numpy.tile，例如：

v = 7
rows = 3
cols = 5
a = numpy.tile(v, (rows,cols))
a
Out[1]: 
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

尽管tile其目的是“平铺”一个数组（而不是像本例中那样平铺一个标量），但它可以完成这项工作，创建任意大小和维度的预填充数组。

解决方案 8：

我们也可以写

v=7
n=5
a=np.linspace(v,v,n)

解决方案 9：

您也可以使用np.broadcast_to。

s要创建形状（尺寸）和值的数组v，您可以执行以下操作（在您的情况下，数组是一维的，并且s = (n,)）：

a = np.broadcast_to(v, s).copy()

如果a只需要只读，则可以使用以下方法（效率更高）：

a = np.broadcast_to(v, s)

优点是v可以将 给出为单个数字，但如果需要不同的值，也可以将其给出为数组（只要v.shape匹配 的尾部s）。

奖励：如果您想强制dtype创建数组：

a = np.broadcast_to(np.asarray(v, dtype), s).copy()