numpy数组内存分配

Question

根据我所读到的关于Numpy数组的内容，它们比标准Python列表更高效。让我困惑的是，当你创建一个numpy数组时，你必须传入一个python列表。我假设这个python列表被解构了，但是在我看来，如果你必须创建一个更大的低效结构来创建一个高效的结构，那么它似乎就违背了拥有一个内存高效的数据结构的目的。

numpy.zeros可以解决这个问题吗？

Answer 1

这里有many ways to create a NumPy array。将Python list传递给np.array或np.asarray就是这样一种方式。

另一种方法是使用迭代器：

In [11]: np.fromiter(xrange(10), count=10, dtype='float')
Out[11]: array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])

在这种情况下，没有涉及到很大的临时Python列表。因此，您可以定义一个generator function来生成列表中的项，而不是构建Python列表。然后，要创建数组，您需要将生成器传递给np.fromiter。因为np.fromiter总是创建一维数组，所以在返回值上使用reshape来创建更高维数的数组。

还有np.fromfunction、np.frombuffer、np.fromfile、np.loadtxt、np.genfromtxt、np.fromstring、np.zeros、np.empty和np.ones。这些都提供了在不创建大型临时NumPy对象的情况下创建Python数组的方法。

Answer 2

通常，如果预先分配大小，Numpy的效率会更高。如果您知道要填充一个MxN matrix...create，那么首先填充它，然后再填充，而不是使用appends。

虽然确实需要创建列表，但效率的大量提高来自于对该结构的操作。读/写/计算/等等。