Np.full(大小，0)与np.zeros(大小)与np.empty()

Question

如果您要选择以下三种方法中的一种，使用零初始化数组，那么您会选择哪一种，以及为什么选择

my_arr_1 = np.full(size, 0) 

或

my_arr_2 = np.zeros(size)

或

my_arr_3 = np.empty(size)
my_arr_3[:] = 0

Answer 1

我会使用np.zeros，因为它的名字。我不会用第三个成语，因为

1. 它需要两个语句，而不是一个表达式，并且
2. NumPy人员很难对其进行优化。实际上，在NumPy 1.10中，尽管对索引进行了所有优化，但np.zeros仍然是最快的选项：

>>> %timeit np.zeros(1e6)
1000 loops, best of 3: 804 µs per loop
>>> %timeit np.full(1e6, 0)
1000 loops, best of 3: 816 µs per loop
>>> %timeit a = np.empty(1e6); a[:] = 0
1000 loops, best of 3: 919 µs per loop

与@John的结果比较的更大的数组：

>>> %timeit np.zeros(1e8)
100000 loops, best of 3: 9.66 µs per loop
>>> %timeit np.full(1e8, 0)
1 loops, best of 3: 614 ms per loop
>>> %timeit a = np.empty(1e8); a[:] = 0
1 loops, best of 3: 229 ms per loop

Answer 2

绝对是np.zeros。这样做不仅是最惯用和最常见的方式，而且也是迄今为止最快的：

In [1]: size=100000000

In [3]: %timeit np.full(size, 0)
1 loops, best of 3: 344 ms per loop

In [4]: %timeit np.zeros(size)
100000 loops, best of 3: 8.75 µs per loop

In [5]: %timeit a = np.empty(size); a[:] = 0
1 loops, best of 3: 322 ms per loop

Answer 3

如果要将数组初始化为零，np.zeros要快得多。如果只想初始化一个给定形状和类型的数组，而不关心数组中的初始条目，那么np.empty会稍微快一些。

请参见以下基本测试结果：

>>%timeit np.zeros(1000000)
7.89 µs ± 282 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

>>%timeit np.empty(1000000)
7.84 µs ± 332 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)