使用memoryview（Python 3.5.0）进行切片分配

我有一个大的bytearray x，想把它的一个片段分配给另一个bytearray的片段

x = bytearray(10**7) #something else in practice
y = bytearray(6*10**6)
y[::6] = x[:2*10**6:2]

我想使用memoryview会更快，而且

memoryview(x)[:2*10**6:2]

速度非常快。但是,

y[::6] = memoryview(x)[:2*10**6:2]

当y[：6]=x[：2*10**6:2]

我是否遗漏了什么，或者这是Python中的一个bug

在Python中，最快的方法是什么（a）如果我想重复分配已知数量的0，以及（b）一般情况下

---

减速并不是一个bug，但是

memoryview

和缓冲区协议仍然相对较新，并且没有得到很好的优化。

y[：：6]=memoryview（x）[:2*10**6:2]

的底层代码在复制

bytearray

之前创建一个连续副本。这意味着它将比直接创建和分配

bytearray

的正常切片慢。事实上，在这个特定的例子中（在我的机器上），使用

内存视图

比直接赋值在速度上更接近使用

y[：：6]=islice（x，None，2*10**6，2）

numpy

存在的时间更长，并且针对您感兴趣的操作类型进行了更好的优化

使用ipython：

In [1]: import numpy as np; from itertools import islice

In [2]: x = bytearray(10**7)

In [3]: y = bytearray(6*10**6)

In [4]: x_np = np.array(x)

In [5]: y_np = np.array(y)

In [6]: %timeit y[::6] = memoryview(x)[:2*10**6:2]
100 loops, best of 3: 10.9 ms per loop

In [7]: %timeit y[::6] = x[:2*10**6:2]
1000 loops, best of 3: 1.65 ms per loop

In [8]: %timeit y[::6] = islice(x, None, 2*10**6, 2)
10 loops, best of 3: 22.9 ms per loop

In [9]: %timeit y_np[::6] = x_np[:2*10**6:2]
1000 loops, best of 3: 911 µs per loop

---

最后两种方法的额外好处是内存开销非常小。

我将研究使用numpy在大型数值阵列上进行快速操作。