Arrays 使用多个数字的多次迭代快速填充numpy数组

我需要填充numpy数组，执行速度对我很重要。数组将使用一个字典，该字典将指定我需要多少数组值（键值）的实例（索引键值）

下面的脚本是我的尝试，测试显示运行它需要0.14秒，但是如果我删除了hstack，它将在0.004秒内运行。所以我得出结论，是数组的串联花费了时间。有什么更好的方法

注意，下面的字典只是一个测试用例，通常我会有大约100个不同的值，每个值会重复大约10000次

td = {}
for ii in range(100):
    td[ii] = 10000+ii
a = np.ones(0)
for aa in td:
    a = np.hstack((a,np.ones(td[aa])*aa))

---

此代码执行相同的操作，但在我的机器上需要3毫秒而不是200毫秒：

td = {}
for ii in range(100):
    td[ii] = 10000+ii

a = np.hstack([np.ones(td[aa])*aa for aa in td])

---

它在数组列表上调用一次

np.hstack

，而不是重复加入。另外，请注意，您在字典中的迭代顺序不能保证与插入顺序相同（如果需要，请使用

OrderedDict

），因此您应该小心。

此代码做同样的事情，但在我的机器上需要3毫秒而不是200毫秒：

td = {}
for ii in range(100):
    td[ii] = 10000+ii

a = np.hstack([np.ones(td[aa])*aa for aa in td])

---

它在数组列表上调用一次

np.hstack

，而不是重复加入。另外，请注意，您在字典中的迭代顺序不能保证与插入顺序相同（如果您需要，请使用

OrderedDict

），因此您应该小心。

完全预先分配内存几乎比Josh的解决方案快10倍

a = np.empty((sum(td.values(),)))
i=0
for k,v in td.iteritems():
    a[i:i+v]=k
    i +=v

---

既然一开始就有足够的信息来调整阵列的大小，为什么还要乱用中间存储呢？（

np.empty

是一种在不设置任何值的情况下快速调整数组大小的方法）

只需完全预先分配内存，几乎比Josh的解决方案快10倍

a = np.empty((sum(td.values(),)))
i=0
for k,v in td.iteritems():
    a[i:i+v]=k
    i +=v

既然一开始就有足够的信息来调整阵列的大小，为什么还要乱用中间存储呢？（

np.empty

是一种快速调整数组大小的方法，无需实际设置任何值）