Python 迭代numpy数组的最快方法是什么
我注意到“直接”遍历numpy数组与通过Python 迭代numpy数组的最快方法是什么,python,pandas,numpy,itertools,Python,Pandas,Numpy,Itertools,我注意到“直接”遍历numpy数组与通过tolist方法遍历numpy数组之间有一个有意义的区别。见下面的计时: 直接 [np.arange(10000000)中的i代表i] 通过tolist [np.arange(10000000.tolist()]中的i代表i 考虑到我已经发现了一种更快的方法。我想问还有什么能让它跑得更快 迭代numpy数组的最快方法是什么?这其实并不奇怪。让我们从最慢的开始,一次检查一个方法 [i for i in np.arange(10000000)] 此方法要
tolist
方法遍历numpy数组之间有一个有意义的区别。见下面的计时:
直接[np.arange(10000000)中的i代表i]
通过
tolist
[np.arange(10000000.tolist()]中的i代表i
考虑到我已经发现了一种更快的方法。我想问还有什么能让它跑得更快
迭代numpy数组的最快方法是什么?这其实并不奇怪。让我们从最慢的开始,一次检查一个方法
[i for i in np.arange(10000000)]
此方法要求python访问numpy数组(存储在C内存范围中),每次访问一个元素,在内存中分配一个python对象,并在列表中创建指向该对象的指针。每次在存储在C后端的numpy数组之间进行管道传输并将其拉入纯python时,都会产生开销。这种方法增加了10000000倍的成本
下一步:
在本例中,使用.tolist()
对numpy C后端进行一次调用,并一次性将所有元素分配给列表。然后,您将使用python对该列表进行迭代
最后:
list(np.arange(10000000))
这与上面的操作基本相同,但它创建了一个numpy的本机类型对象列表(例如,np.int64
)。使用list(np.arange(10000000))
和np.arange(10000000).tolist()
的时间应该大致相同
因此,就迭代而言,使用
numpy
的主要优点是不需要迭代。操作以矢量化方式应用于阵列。迭代只会减慢速度。如果你发现自己在数组元素上迭代,你应该寻找一种方法来重新构造你正在尝试的算法,这种方法只使用numpy操作(它有太多内置的!),或者如果真的需要,你可以使用np.沿轴应用,np.沿轴应用,或者np.vectorize
这些是我在较慢机器上的计时
In [1034]: timeit [i for i in np.arange(10000000)]
1 loop, best of 3: 2.16 s per loop
如果我直接生成范围(Py3,所以这是一个Generator),时间会好得多。将此作为此大小列表理解的基线
In [1035]: timeit [i for i in range(10000000)]
1 loop, best of 3: 1.26 s per loop
tolist
首先将arange转换为列表;需要更长的时间,但迭代仍在列表中
In [1036]: timeit [i for i in np.arange(10000000).tolist()]
1 loop, best of 3: 1.6 s per loop
使用list()
——与数组上的直接迭代相同;这意味着直接迭代首先要做到这一点
In [1037]: timeit [i for i in list(np.arange(10000000))]
1 loop, best of 3: 2.18 s per loop
In [1038]: timeit np.arange(10000000).tolist()
1 loop, best of 3: 927 ms per loop
与.tolist上的迭代次数相同
In [1039]: timeit list(np.arange(10000000))
1 loop, best of 3: 1.55 s per loop
通常,如果必须循环,则处理列表会更快。访问列表元素更简单
查看通过索引返回的元素
a[0]
是另一个numpy
对象;它是根据a
中的值构造的,而不仅仅是一个获取的值
列表(a)[0]
为同一类型;这个列表就是[a[0]、a[1]、a[2]]
In [1043]: a = np.arange(3)
In [1044]: type(a[0])
Out[1044]: numpy.int32
In [1045]: ll=list(a)
In [1046]: type(ll[0])
Out[1046]: numpy.int32
但是tolist
将数组转换为一个纯列表,在本例中为整数列表。它比list()
做更多的工作,但它是在编译代码中完成的
In [1047]: ll=a.tolist()
In [1048]: type(ll[0])
Out[1048]: int
通常不要使用list(anarray)
。它很少做任何有用的事情,而且不如tolist()
强大
迭代数组的最快方法是什么-无。至少不是在Python中;在c代码中有一些快速的方法
a.tolist()
是从数组创建整数列表的最快的矢量化方法。它进行迭代,但在编译代码中进行迭代
In [1047]: ll=a.tolist()
In [1048]: type(ll[0])
Out[1048]: int
但你真正的目标是什么 我的测试用例有一个numpy数组
[[ 34 107]
[ 963 144]
[ 921 1187]
[ 0 1149]]
我只使用范围
和枚举
使用范围
结果
使用枚举
结果
我选择的这个测试用例enumerate
将运行得更快,这很奇怪。我自己尝试过好几次,似乎把它转换成列表会让它一直更快。谢谢你把这件事公诸于众。只是迭代并获取列表,或者也做一些处理?只使用list(np.arange(1000000))
看起来相当快。@Divakar我的问题是,为什么要迭代numpy数组而不是使用矢量化函数。list()
生成np.int32
对象的列表tolist
生成int
的列表。它们不一样。但是list(np.arange(10))
和np.arange(10.tolist()
)之间有一个细微的区别:第一个将产生一个np.int64
列表,第二个是pythonint
s列表。第一种方法在进行序列化(如使用json)时可能会出现问题。json在第一个问题上会出错,因为它无法处理np.int64
,这非常有用,这就是为什么我对它进行了升级,我希望其他人也这样做。我现在还没有回答这个问题,因为我仍然希望看到通过数组进行迭代的其他选项。谢谢@hpaulj这非常接近于实际回答我的问题,因为你说。。。“遍历数组最快的方法是什么-无。”我可能会选择这个作为我的答案,但我会暂时保留它。
loopTimer1 = default_timer()
for l1 in range(0,4):
print(box[l1])
print("Time taken by range: ",default_timer()-loopTimer1)
[ 34 107]
[963 144]
[ 921 1187]
[ 0 1149]
Time taken by range: 0.0005405639985838206
loopTimer2 = default_timer()
for l2,v2 in enumerate(box):
print(box[l2])
print("Time taken by enumerate: ", default_timer() - loopTimer2)
[ 34 107]
[963 144]
[ 921 1187]
[ 0 1149]
Time taken by enumerate: 0.00025605700102460105