Python numpy.copy阵列内存问题

我有一个大的numpy数组

my_数组

，我将它复制到另一个临时数组

temp_my_数组

，以便在循环内的计算中使用它，如下所示：

my_array = [10.1, 20.3, ..., 11.2] # a large numpy array
temp_my_array = np.copy(my_array)

for i in range(200000):
     for item in np.where(my_array> 5): 
           temp_my_array[item] = f(my_array[some other items]) 
     my_array = np.copy(temp_my_array)

---

我的

np有内存错误。当
我的_数组太大时，复制
。此外，分析表明np.copy是我代码中最慢的部分。有什么想法吗？
这听起来合理吗？将质量指定给原始阵列而不制作副本

my_array = [10.1, 20.3, ..., 11.2] # a large numpy array

for i in range(200000):
     my_array[np.where(my_array>5)] = f(my_array[some other items]) # Mass assign instead of for-loop

您需要确保
f（）
立即返回数组。
我建议您只复制实际更改的值。对于您的代码，这只是一个微小的更改：

my_array = [10.1, 20.3, ..., 11.2] # a large numpy array
temp_my_array = np.copy(my_array)

for i in range(200000):
    inds = np.where(my_array > 5)
    for item in inds: 
        temp_my_array[item] = f(my_array[some other items]) 
    my_array[inds] = temp_my_array[inds]

否则，您可以对函数进行矢量化，但如果
[某些其他项]
依赖于您当前的索引，这可能会很烦人；如果它依赖于以前的
我的数组
结果，则不可能实现这一点。
我需要一份深度副本，这样，当我在
temp\u my\u array
中更改一个项目时，它不会在
my\u array
中更改相同的项目。对数组进行一次处理（您在第2行所做的操作），这将复制整个数组，即所有值，您可以随意更改所有值。对不起，我没有意识到您在函数调用中使用了
my\u array
中的值。在第二个for循环中，您不能只执行
my\u array[item]=f（my\u array[item]）
而不处理临时数组吗？您用
np创建的迭代器。其中
不会引用循环中不断变化的
my_数组
。@Lærne您能再详细说明一下吗？这是一个有趣的解决方案！这种计算是在矢量化版本中进行的吗？如果
某些其他项
依赖于
my_array
的先前结果，那么您不能以这种方式进行矢量化，因此这实际上取决于其他项是什么。@BehzadJamali Yeah带有索引数组的赋值是用numpy进行矢量化的，所以这应该非常快。@AlexanderReynolds是的，这是真的，我假设它不是，因为它是来自其他地方的“其他项目”。我依赖于
my_array
的先前值。确实可以说，向量化将通过删除第二个循环来加速我的代码，但我仍然需要执行
my_array=np.copy（临时我的数组）
？