Python 计算速度最快的方法，从numpy数组中生成每n个元素的新numpy数组

假设一个一维numpy数组。我想创建一个新数组，它包含每n个元素。计算速度最快的方法是什么

例如：

a = numpy.arange(1,10)
b = numpy.fancytricks(a,?)
# b is now [2,4,6,8] if n = 2. 

---

编辑：问题的重要部分加粗

最快的方法是用纯C编写扩展模块，并使用直接访问数据。如果您使用或其他类似工具为您编写C，您可能会看到自动引用计数中的少量性能损失。由于您仍然必须在手写C中进行手动引用计数，因此差异可能可以忽略不计，甚至不存在

这将比NumPy提供的现成切片语法稍微少一些开销。但是，假设您正确使用NumPy，总体性能增益可能很小且恒定，因此我不清楚在任何合理的情况下这是否值得付出额外的努力

b = a[1::step]

---

计算成本是

O（n）

，您正在使用

长度（a）/步长“生成”一个循环

更新：
计算成本是

O（1）

，没有

numpy.array

对象重新排列，只有一个常量。。。在访问方法中。。。已设置/更改。一旦部署，访问速度与更新前存储的值相同

---

@jme提供了一种实现采样目标的方法，但对速度没有任何保证。您希望对速度有什么样的保证？以这种方式进行切片会以双倍的步长返回

a

中的数据视图，因此它需要恒定的时间，并且产生的开销非常小。@jme我只是想知道最快的协议是什么，因为我正在处理一个涉及采样大数据的时间受限问题。@d0rmLife:不，切片是恒定的时间。复制一个片段不是固定的时间，但你通常不需要复制。不，我不会投反对票。链接到的问题是“这创建了原始数据的视图，所以它是恒定时间。”下面它讨论复制切片，这是线性时间。但如果你不复制，就不需要线性时间。你可以很容易地用一个简单的

%%timeit

来验证这个声明。它不是ω（n/步）？计算成本是

O（1）

。基本切片返回一个步长改变的视图。根本不需要查看阵列。返回一个步长改变的视图需要O（1）成本吗？@juankirr是的。返回视图只是创建一个指针，即

O（1）

。更改步幅也是

O（1）

，因为它只是更新一个数字。你可以确定时间来确定。。。在我的机器上，

b=a[：：2]

大约需要280纳秒，无论

a

有100个条目还是1亿个条目。

n = length(a)