python - 从列表理解输出有效地生成 numpy 数组？

Question

有没有比使用numpy.asarray()以 a 形式从输出生成数组更有效的方法list？

这似乎是在复制内存中的所有内容，这对于非常大的数组似乎不会那么有效。

（更新）示例：

import numpy as np
a1 = np.array([1,2,3,4,5,6,7,8,9,10]) # pretend this has thousands of elements
a2 = np.array([3,7,8])

results = np.asarray([np.amax(np.where(a1 > element)) for element in a2])

Answer 1

我通常使用np.fromiter：

results = np.fromiter((np.amax(np.amax(np.where(a1 > element)) for element in a2), dtype=int, count=len(a2))

您不需要指定count，但它允许 numpy 预分配数组。以下是我在https://www.pythonanywhere.com/try-ipython/上所做的一些时间安排：

In [8]: %timeit np.asarray([np.amax(np.where(a1 > element)) for element in a2])                                 
1000 loops, best of 3: 161 us per loop

In [10]: %timeit np.frompyfunc(lambda element: np.amax(np.where(a1 > element)),1,1)(a2,out=np.empty_like(a2))   
10000 loops, best of 3: 123 us per loop

In [13]: %timeit np.fromiter((np.amax(np.where(a1 > element)) for element in a2),dtype=int, count=len(a2))
10000 loops, best of 3: 111 us per loop

Answer 2

np.vectorize不会按照您想要的方式工作，因为它不尊重out参数。但是，较低级别np.frompyfunc将：

np.frompyfunc(lambda element: np.amax(np.where(a1 > element)),
              1, 1)(a2, out=np.empty_like(a2))