什么是预先分配NumPy数组的首选方法？

Question

我是NumPy/SciPy的新手。从文档看来，预先分配单个数组而不是调用append/insert/concatenate可以更有效地分配 。

例如，要加1点的到一个阵列的列，我认为这样：

ar0 = np.linspace(10, 20, 16).reshape(4, 4) 
ar0[:,-1] = np.ones_like(ar0[:,0]) 

优选这样的：

ar0 = np.linspace(10, 20, 12).reshape(4, 3) 
ar0 = np.insert(ar0, ar0.shape[1], np.ones_like(ar0[:,0]), axis=1) 

我的第一个问题是，这是否是正确的（第一个是更好的），而我的第二个问题是，此刻，我只是预先分配了我的阵列（我在SciPy站点的几个Cookbook示例中注意到）：

np.zeros((8,5)) 

什么是'NumPy首选'的方式来做到这一点？

Answer 1

在一次调用中预分配mallocs所需的所有内存，同时调整数组大小（通过调用append，insert，concatenate或resize）可能需要将数组复制到更大的内存块中。所以你是正确的，预分配优先于（而且应该快于）调整大小。

根据您要创建的内容，有许多“首选”方法可以预先分配numpy数组。有np.zeros,np.ones,np.empty,np.zeros_like,np.ones_like和np.empty_like，以及许多其他创建有用数组的例如np.linspace和np.arange。

所以

ar0 = np.linspace(10, 20, 16).reshape(4, 4) 

就好了，如果这最接近你想要的ar0。

然而，为了使最后一列全1，我认为最佳的办法是只说

ar0[:,-1]=1 

由于ar0[:,-1]形状为(4,)，1是broadcasted这种形状相匹配。