Python 如何使一个函数从子数组中生成一个大数组既高效又可读？

我有一个函数，它可以生成几个较小的numpy数组，并将它们连接到一个较大的数组中。大致如下：

def make_big_array(second, third):
   big_array = make_first()
   if second:
      big_array +=  make_second()
   if third:
      big_array += make_third()
   return big_array

基本上，我有一个协调函数，它检查

大数组

是否应该包含一些子数组，生成它们，然后将它们添加到它想要返回的

大数组

。但是，我认为先创建每个数组，然后将其连接到

大数组的末尾是低效的

我想另一种方法可能是使用
second
和
third
计算
big\u数组
最终会持续多长时间，然后通过
make\u second（）
和
make\u third（）
大数组
以及开始填充它的索引，但这看起来不是很可读。有人对如何使其快速可读有任何建议吗？
您可以单独创建所有数组，然后一次性将它们连接起来：

def make_big_array(second, third):
    arrays = [make_first()]
    if second:
        arrays.append(make_second())
    if third:
        arrays.append(make_third())
    return np.concatenate(arrays)

您可以单独创建所有阵列，然后一次性连接它们：

def make_big_array(second, third):
    arrays = [make_first()]
    if second:
        arrays.append(make_second())
    if third:
        arrays.append(make_third())
    return np.concatenate(arrays)

如本文所述，建议预先分配一个数组并在其中存储值。使用此方法，程序无需在每次将数组追加到原始数组时更改数组的大小。您可以为您的案例执行以下操作：

a = np.random.rand(1000000, 10)
second = np.random.rand(5000, 10)
third = np.random.rand(4000, 10)
if second:
    new = np.empty([len(a)+len(second), a.shape[1]])
    new[:len(a)] = a
    new[len(a):] = second
if third:
    new = np.empty([len(a)+len(third), a.shape[1]])
    new[:len(a)] = a
    new[len(a):] = third

但是，只要您只是连接两个阵列，通过这种方式获得的效率就可以忽略不计
 如本文所述，建议预先分配一个数组并在其中存储值。使用此方法，程序无需在每次将数组追加到原始数组时更改数组的大小。您可以为您的案例执行以下操作：

a = np.random.rand(1000000, 10)
second = np.random.rand(5000, 10)
third = np.random.rand(4000, 10)
if second:
    new = np.empty([len(a)+len(second), a.shape[1]])
    new[:len(a)] = a
    new[len(a):] = second
if third:
    new = np.empty([len(a)+len(third), a.shape[1]])
    new[:len(a)] = a
    new[len(a):] = third

但是，只要您只是连接两个阵列，通过这种方式获得的效率就可以忽略不计
 这看起来确实可读，但它的效率有多高？可能比我的方法更简单，但这不是比让每个函数附加其值而不是创建子数组要慢一点吗？这看起来确实可读，但效率有多高？可能比我的方法更简单，但这不是比让每个函数附加其值而不是创建子数组慢了一点吗？这个想法很好。它可以通过使用
np.empty
来改进，这是预分配内存的最有效的方法。虽然链接文章中的总体思路是好的，但编码很差。尤其是这一行
np.append（results，[processed_entry]）
有严重缺陷<代码>np.append

不能就地运行。这个主意很好。它可以通过使用

np.empty

来改进，这是预分配内存的最有效的方法。虽然链接文章中的总体思路是好的，但编码很差。尤其是这一行

np.append（results，[processed_entry]）

有严重缺陷

np.append

不就地操作。是否在列表连接意义中使用

+=

？因为在

numpy

中，这是数字加法。这样或那样，您将生成2个数组（除非

make_second（）

中有一些魔法）。然后是否将这些数组复制到预分配的

大数组的适当切片，或者将它们收集到列表中，并进行一次
连接，这无关紧要。是否在列表连接意义上使用
+=
？因为在
numpy
中，这是数字加法。这样或那样，您将生成2个数组（除非
make_second（）
中有一些魔法）。然后是否将这些数组复制到预分配的
大数组的适当切片，或者将它们收集到列表中，然后进行一次
连接，这都无关紧要。