Python 创建和填充巨大numpy 2D阵列的最快方法？

我必须创建一个巨大的数组（例如，96go，72000行*72000列），并在每种情况下使用来自数学公式的浮点数进行填充。之后将计算数组

import itertools, operator, time, copy, os, sys
import numpy 
from multiprocessing import Pool


def f2(x):  # more complex mathematical formulas that change according to values in *i* and *x*
    temp=[]
    for i in combine:
        temp.append(0.2*x[1]*i[1]/64.23)
    return temp

def combinations_with_replacement_counts(n, r):  #provide all combinations of r balls in n boxes
   size = n + r - 1
   for indices in itertools.combinations(range(size), n-1):
       starts = [0] + [index+1 for index in indices]
       stops = indices + (size,)
       yield tuple(map(operator.sub, stops, starts))

global combine
combine = list(combinations_with_replacement_counts(3, 60))  #here putted 60 but need 350 instead
print len(combine)
if __name__ == '__main__':
    t1=time.time()
    pool = Pool()              # start worker processes
    results = [pool.apply_async(f2, (x,)) for x in combine]
    roots = [r.get() for r in results]
    print roots [0:3]
    pool.close()
    pool.join()
    print time.time()-t1

• 创建和填充如此巨大的numpy阵列的最快方法是什么？填满 列表然后聚合然后转换为numpy数组
• 我们是否可以在知道 2d阵列是否独立，以加快阵列填充速度？使用多处理优化此类计算的线索/线索

---

您可以创建具有所需形状的空数组，然后使用

多处理.Pool

填充其值。正确地执行此操作还可以使池中每个进程的内存占用相对较小。

我知道您可以创建共享numpy阵列，这些阵列可以从不同的线程进行更改（假设更改的区域不重叠）。下面是您可以使用的代码草图（我在stackoverflow的某个地方看到了最初的想法，编辑：在这里）

---

它需要实时还是可以离线计算并使用pickle读取？我更喜欢实时，但如果pickle更快，我不介意…希望我能很好地理解你的问题？看，所以我不这么认为works@sega_sai有趣。我不会删除我的答案，因为我相信其他人（像我一样）可以从看到它以及你的评论中吸取教训。谢谢，行吗？我不明白单身班的兴趣/诀窍。我有TypeError:“非类型”对象不支持项分配。我试过修改，但没有结果。你能再帮我一点吗？我的代码在linux上运行（已验证）。如果你有窗户的话，恐怕你会有不同的做法。（因为进程不会从池中继承singleton.arr值）。

import multiprocessing as mp ,numpy as np, ctypes

def shared_zeros(n1, n2):
    # create a 2D numpy array which can be then changed in different threads
    shared_array_base = mp.Array(ctypes.c_double, n1 * n2)
    shared_array = np.ctypeslib.as_array(shared_array_base.get_obj())
    shared_array = shared_array.reshape(n1, n2)
    return shared_array

class singleton:
    arr = None

def dosomething(i):
    # do something with singleton.arr
    singleton.arr[i,:] = i
    return i

def main():
    singleton.arr=shared_zeros(1000,1000)
    pool = mp.Pool(16)
    pool.map(dosomething, range(1000))

if __name__=='__main__':
    main()