Python 重用现有的numpy数组还是创建一个新数组？

在迭代算法中，通常会多次使用大型numpy数组。我想将值填充到一个大的现有numpy数组中，但我发现创建一个新数组更快

>>>import numpy as np
>>>a=np.arange(10000)
>>>b=a.copy()
>>>%timeit b=a+a   # Every time create a new array
100000 loops, best of 3: 9.59 µs per loop
>>>%timeit b[:]=a+a  # Use existing array
100000 loops, best of 3: 13.3 µs per loop
>>>%timeit np.copyto(b,a+a)  # Another way to use existing array
100000 loops, best of 3: 13.4 µs per loop

• 是否有更快的方法重用现有阵列？（例如，上面的

  b

  ）
• 如果没有这样的方法，为什么创建一个新阵列会更快
• 每次重新创建一个新阵列有什么缺点吗？我对此犹豫不决，因为我的数据很大，我需要在每次迭代中为它分配不同的值

• np.copyto（b，a）；b+=a

  更快，但不是最快的方式

• np.add（a，a，b）

  是目前最好的选择，100000个循环，每个循环最好3:8.66µs

---

可能

b[：]=a+a

将生成一些临时计算空间？我不知道。但是使用“+=，-=，*=，add”这些UFUN不会错。
我相信结果可以解释为这样一个事实：当你做

b[：]=a+a时，它首先计算a+a并将其放入数组中，然后将该数组分配给b中的内存。