Python Numpy阵列的0号焊盘到最接近的2次方

问题:

如何在开始时将0快速添加到一个大数组~600000个条目，以使数组长度达到下一个2的幂。2^n除了np.concatate，还有更快的解决方案吗

我已经尝试过的：

使用np.concatenate0，arr函数，直到数组长度等于2的下一次幂。我的代码很有效，只是需要很长时间。 以下是pad left功能：

下面是两个函数的下一个幂：

我的实施：

---

谢谢

与其用单个元素扩展for循环中的旧数组，为什么不一次添加整个零集

arr = np.concatenate((np.zeros(deficit, dtype=arr.dtype), arr))

所以不要使用for循环。这就是代码运行缓慢的地方，因为它每次迭代都会生成一个新数组，这远远低于生成一次所需大小的数组然后根据需要填充它的效率，这可以通过多种方式完成。这只是一个，一个接近你自己的解决方案

添加dtype=arr.dtype的原因是，默认情况下，np.zeros将返回一个属于np.float dtype的数组。如果arr的数据类型小于强制转换意义上的数据类型，则结果将强制转换为更广泛的数据类型，即float，这通常不是您想要的，因为它是自动发生的。

---

Divakar在下面的评论中指出了这一点。

与其用单个元素扩展for循环中的旧数组，为什么不一次添加整个零集呢

arr = np.concatenate((np.zeros(deficit, dtype=arr.dtype), arr))

所以不要使用for循环。这就是代码运行缓慢的地方，因为它每次迭代都会生成一个新数组，这远远低于生成一次所需大小的数组然后根据需要填充它的效率，这可以通过多种方式完成。这只是一个，一个接近你自己的解决方案

添加dtype=arr.dtype的原因是，默认情况下，np.zeros将返回一个属于np.float dtype的数组。如果arr的数据类型小于强制转换意义上的数据类型，则结果将强制转换为更广泛的数据类型，即float，这通常不是您想要的，因为它是自动发生的。 Divakar在下面的评论中提出了这一有效观点。

确实有这样的观点

对于一维阵列：

arr = np.pad(arr, (deficit,0), mode='constant')

它读作左，右填充

对于二维阵列：

arr = np.pad(arr, ((0,0), (deficit,0)), mode='constant')

第二个参数显示为top、bottom、left、right。它在数组的左边填充了赤字。

有一个正是这样做的

对于一维阵列：

arr = np.pad(arr, (deficit,0), mode='constant')

它读作左，右填充

对于二维阵列：

arr = np.pad(arr, ((0,0), (deficit,0)), mode='constant')

---

第二个参数显示为top、bottom、left、right。它在数组的左侧填充了赤字。

完全利用NumPy，下面是一种初始化方法-

def NextPowerOfTwo(number):
    # Returns next power of two following 'number'
    return np.ceil(np.log2(number))

def PadLeft_with_initialization(arr):
    nextPower = NextPowerOfTwo(len(arr))
    deficit = int(np.power(2, nextPower) - len(arr))
    out = np.zeros(deficit+len(arr),dtype=arr.dtype)
    out[deficit:] = arr
    return out

运行时测试

让我们对本文中提出的解决方案计时，并将基于np.CONTAINATE的解决方案列在：

时间安排-

In [226]: arr = np.random.randint(0,9,(600000))

In [227]: %timeit PadLeft_with_concatente(arr)
100 loops, best of 3: 5.21 ms per loop

In [228]: %timeit PadLeft_with_initialization(arr)
100 loops, best of 3: 6.75 ms per loop

---

由于更干净、更快，我认为Oliver W.使用np.concatenate的解决方案将是一条可行之路。

完全利用NumPy，下面是一种初始化方法-

def NextPowerOfTwo(number):
    # Returns next power of two following 'number'
    return np.ceil(np.log2(number))

def PadLeft_with_initialization(arr):
    nextPower = NextPowerOfTwo(len(arr))
    deficit = int(np.power(2, nextPower) - len(arr))
    out = np.zeros(deficit+len(arr),dtype=arr.dtype)
    out[deficit:] = arr
    return out

运行时测试

让我们对本文中提出的解决方案计时，并将基于np.CONTAINATE的解决方案列在：

时间安排-

In [226]: arr = np.random.randint(0,9,(600000))

In [227]: %timeit PadLeft_with_concatente(arr)
100 loops, best of 3: 5.21 ms per loop

In [228]: %timeit PadLeft_with_initialization(arr)
100 loops, best of 3: 6.75 ms per loop

---

更干净、更快，我认为Oliver W.的np.concatenate解决方案是最好的选择。

用零初始化输出数组，然后在其中设置值？我正在处理的数组长度不同，所以我希望在后面完成！我的意思是：out=np.zerosdeficit+lenarr，dtype=arr.dtype；out[defect:]=arr模拟PadLeftarr IIUC的输出。用零初始化一个输出数组，然后在其中设置值？我正在处理的数组有不同的长度，所以我希望在后面完成！我的意思是：out=np.zerosdeficit+lenarr，dtype=arr.dtype；out[defect:]=arr模拟PadLeftarr IIUC的输出。要将数据类型保留为输入数组，请使用，dtype=arr.dtype和np.zero？与基于初始化的时间比较，这似乎同样快，甚至更快。我认为这确实与您的初始化建议类似，请将其作为一个答案，好吗？我想向上投票，因为这是一个很好的答案，因为在屏幕后面需要执行相同/类似的操作。dis可能会对此进行关闭，但我这里没有python shell…补充道。但是如果你能在文章中为arr是int数组的情况添加dtype，我想是有意义的，因为np.zerosdeficit将默认为浮点数组，在连接之后仍然是浮点数组。@Divakar，完成了，谢谢你添加解决方案。向上投票-要将数据类型保留为输入数组，请使用，dtype=arr.dtype和np.zero？与基于初始化的时间比较，这似乎同样快，甚至更快。我认为这确实与您的初始化建议类似，请将其作为一个答案，好吗？我想和你谈谈

---

pvote，因为这是一个很好的答案，因为在屏幕后面需要执行相同/类似的操作。dis可能会对此进行关闭，但我这里没有python shell…补充道。但是如果你能在文章中为arr是int数组的情况添加dtype，我想是有意义的，因为np.zerosdeficit将默认为浮点数组，在连接之后仍然是浮点数组。@Divakar，完成了，谢谢你添加解决方案。向上投票-