Python ndarray的快速突变（替换部分numpy ndarray）

我正在寻找最快的方式来替换预先分配的numpy ndarray的部件。 下面您可以看到模拟矩阵（2D阵列）。“For loop”按行对其进行迭代，并覆盖由

级别

（numpy.array）给出的值

有一些快速的方法可以找到：

numpy.copyto（）

numpy.fromiter（）

=

分配到切片

注意：为了简单起见，我在每次迭代中分配相同的值，但在生产设置中并非如此。在实际设置中，

级别

为每行包含不同的值。因此，不建议使用快捷方式

numpy.repeat

或

numpy.hstack

作为答案

有没有更快的方法来更改ndarray的某些部分？

numpy_overwrite.py：

---

numpy\u overwrite\u test.py

---

运行测试

---

有没有可能你只是在找这个

sim_matrix[:] = levels

编辑：要修改单行，应使用

sim\u矩阵[row\u id]=levels

---

另一方面，要注意。

我认为

pass

关键字没有用here@nicoco我用它们来直观地表示块的末尾，并将其删除。我认为如果您使用一个实际具有不同值的

级别，则会更好。可能是随机分布的？@Graipher那么在每次迭代中都会有伪数生成器的开销。不是在函数调用中，而是在准备测试数据时。就目前的情况而言，我不明白@nicoco的建议为什么会错。您可以在每次调用时将不同的级别传递给函数。不，每个调用的
级别
的值将不同。这些
级别
从何而来？列表？如果你想更改一行，只需使用
sim_matrix[row]=levels
@CronMerdek我正试图找出你真正的用例是什么样子。因为根据这一点，可能会有更快的选项（例如，如果您拥有所有级别，则一次覆盖多行）。@Graipher我添加了调用赋值的示例
import timeit
import numpy_overwrite as npo
print('_fromiter')
print(timeit.timeit('npo._fromiter(npo.sim_matrix, npo.levels)', setup="import numpy_overwrite as npo;", number=3))
print(timeit.timeit('npo._fromiter(npo.sim_matrix, npo.levels_array)', setup="import numpy_overwrite as npo;", number=3))
print('_copyto')
print(timeit.timeit('npo._copyto(npo.sim_matrix, npo.levels)', setup="import numpy_overwrite as npo;", number=3))
print(timeit.timeit('npo._copyto(npo.sim_matrix, npo.levels_array)', setup="import numpy_overwrite as npo;", number=3))
print('_just_assign')
print(timeit.timeit('npo._just_assign(npo.sim_matrix, npo.levels)', setup="import numpy_overwrite as npo;", number=3))
print(timeit.timeit('npo._just_assign(npo.sim_matrix, npo.levels_array)', setup="import numpy_overwrite as npo;", number=3))

_fromiter
=========
from python list: 21.129429172957316
from numpy.array: 61.76275303697912

_copyto
=========
from python list: 52.4522930260282
from numpy.array: 0.7605530479922891

_just_assign
=========
from python list: 52.251478374004364
from numpy.array: 0.6351132979616523
    

sim_matrix[:] = levels