使用以下代碼，我的印象是插入到 numpy 數組中取決于數組大小。是否有針對此性能限制的任何基于 numpy 的解決方法（或也不是基于 numpy 的）？if True: import numpy as np import datetime import timeitmyArray = np.empty((0, 2), dtype='object')myString = "myArray = np.insert(myArray, myArray.shape[0], [[ds, runner]], axis=0)"runner = 1ds = datetime.datetime.utcfromtimestamp(runner)% timeit myString19.3 ns ± 0.715 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)for runner in range(30_000): ds = datetime.datetime.utcfromtimestamp(runner) myArray = np.insert(myArray, myArray.shape[0], [[ds, runner]], axis=0)print("len(myArray):", len(myArray))% timeit myStringlen(myArray): 3000038.1 ns ± 1.1 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
2 回答
慕斯王
TA貢獻1864條經驗 獲得超2個贊
你的方法：
In [18]: arr = np.array([])
In [19]: for i in range(1000):
...: arr = np.insert(arr, arr.shape[0],[1,2,3])
...:
In [20]: arr.shape
Out[20]: (3000,)
In [21]: %%timeit
...: arr = np.array([])
...: for i in range(1000):
...: arr = np.insert(arr, arr.shape[0],[1,2,3])
...:
31.9 ms ± 194 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
將其與concatenate：
In [22]: %%timeit
...: arr = np.array([])
...: for i in range(1000):
...: arr = np.concatenate((arr, [1,2,3]))
...:
5.49 ms ± 20.6 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)
并帶有列表擴展：
In [23]: %%timeit
...: alist = []
...: for i in range(1000):
...: alist.extend([1,2,3])
...: arr = np.array(alist)
384 μs ± 13.2 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
我們不鼓勵使用concatenate(or np.append)，因為它很慢，而且很難初始化。列表追加或擴展更快。你的使用insert比concatenate.
concatenate每次都創建一個全新的數組。 insert也是如此，但因為它旨在將新值放在原始值的任何位置，所以它要復雜得多，因此速度較慢。如果你不相信我，看看它的代碼。
lists專為成長而設計；新項目通過簡單的對象（指針）插入到具有增長增長的緩沖區中來添加。也就是說，增長就地發生。
插入一個完整的數組也很不錯：
In [27]: %%timeit
...: arr = np.zeros((1000,3),int)
...: for i in range(1000):
...: arr[i,:] = [1,2,3]
...: arr = arr.ravel()
1.69 ms ± 9.47 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
添加回答
舉報
0/150
提交
取消