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：

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