Python 预分配日数
如何预先分配数组的数组,以便更有效地进行追加。在Matlab中,有一个名为cell(required_length)的函数,它预先分配可以存储阵列的“cells” 我有一个数组,当前看起来像:Python 预分配日数,python,numpy,Python,Numpy,如何预先分配数组的数组,以便更有效地进行追加。在Matlab中,有一个名为cell(required_length)的函数,它预先分配可以存储阵列的“cells” 我有一个数组,当前看起来像: a=np.array([[1,2],[1],[2,3,4]]) b=np.array([[20,2]]) 但是,我希望附加1000个与所示的“b”类似但大小不同的数组。这不仅仅是预分配数组的问题,例如np.empty((100,),dtype=int)。这同样是一个关于如何将大量列表收集
a=np.array([[1,2],[1],[2,3,4]])
b=np.array([[20,2]])
但是,我希望附加1000个与所示的“b”类似但大小不同的数组。这不仅仅是预分配数组的问题,例如
np.empty((100,),dtype=int)
。这同样是一个关于如何将大量列表收集到一个结构中的问题,无论是列表还是numpy数组。在我看来,与MATLAB单元的比较足以值得进一步讨论
我认为您应该使用Python列表。它们可以包含不同大小的列表或其他对象(包括数组)。您可以轻松地附加更多项(或使用extend添加多个对象)。Python永远拥有它们;MATLAB添加了单元来近似这种灵活性
np.数组
与dtype=object
类似-指向对象(如列表)的指针数组。在大多数情况下,它们只是带有数组包装器的列表。可以将数组初始设置为较大的大小,并插入/设置项
A = np.empty((10,),dtype=object)
生成一个包含10个元素的数组,每个元素None
A[0] = [1,2,3]
A[1] = [2,3]
...
也可以将元素连接到现有数组,但结果是新数组。有一个np.append
函数,但它只是连接的一个掩护;它不应与列表append
混淆
如果它必须是一个数组,您可以很容易地从末尾的列表构造它。这就是你的np.array([[1,2],[1],[2,3,4]])
所做的
关于速度问题,让我们试试简单的时间测试
def witharray(n):
result=np.empty((n,),dtype=object)
for i in range(n):
result[i]=list(range(i))
return result
def withlist(n):
result=[]
for i in range(n):
result.append(list(range(i)))
return result
哪种产品
In [111]: withlist(4)
Out[111]: [[], [0], [0, 1], [0, 1, 2]]
In [112]: witharray(4)
Out[112]: array([[], [0], [0, 1], [0, 1, 2]], dtype=object)
In [113]: np.array(withlist(4))
Out[113]: array([[], [0], [0, 1], [0, 1, 2]], dtype=object)
时间测试
In [108]: timeit withlist(400)
1000 loops, best of 3: 1.87 ms per loop
In [109]: timeit witharray(400)
100 loops, best of 3: 2.13 ms per loop
In [110]: timeit np.array(withlist(400))
100 loops, best of 3: 8.95 ms per loop
简单地构建一个列表列表是最快的。但是如果结果必须是对象类型数组,那么将值分配给空数组会更快。这不仅仅是预先分配数组的问题,例如np.empty((100,),dtype=int)
。这同样是一个关于如何将大量列表收集到一个结构中的问题,无论是列表还是numpy数组。在我看来,与MATLAB单元的比较足以值得进一步讨论
我认为您应该使用Python列表。它们可以包含不同大小的列表或其他对象(包括数组)。您可以轻松地附加更多项(或使用extend添加多个对象)。Python永远拥有它们;MATLAB添加了单元来近似这种灵活性
np.数组
与dtype=object
类似-指向对象(如列表)的指针数组。在大多数情况下,它们只是带有数组包装器的列表。可以将数组初始设置为较大的大小,并插入/设置项
A = np.empty((10,),dtype=object)
生成一个包含10个元素的数组,每个元素None
A[0] = [1,2,3]
A[1] = [2,3]
...
也可以将元素连接到现有数组,但结果是新数组。有一个np.append
函数,但它只是连接的一个掩护;它不应与列表append
混淆
如果它必须是一个数组,您可以很容易地从末尾的列表构造它。这就是你的np.array([[1,2],[1],[2,3,4]])
所做的
关于速度问题,让我们试试简单的时间测试
def witharray(n):
result=np.empty((n,),dtype=object)
for i in range(n):
result[i]=list(range(i))
return result
def withlist(n):
result=[]
for i in range(n):
result.append(list(range(i)))
return result
哪种产品
In [111]: withlist(4)
Out[111]: [[], [0], [0, 1], [0, 1, 2]]
In [112]: witharray(4)
Out[112]: array([[], [0], [0, 1], [0, 1, 2]], dtype=object)
In [113]: np.array(withlist(4))
Out[113]: array([[], [0], [0, 1], [0, 1, 2]], dtype=object)
时间测试
In [108]: timeit withlist(400)
1000 loops, best of 3: 1.87 ms per loop
In [109]: timeit witharray(400)
100 loops, best of 3: 2.13 ms per loop
In [110]: timeit np.array(withlist(400))
100 loops, best of 3: 8.95 ms per loop
简单地构建一个列表列表是最快的。但如果结果必须是对象类型数组,则将值分配给空数组会更快