python - numpy 数组内存分配

Question

从我读到的关于 Numpy 数组的内容来看，它们比标准 Python 列出的内存效率更高。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，但对我来说，如果你必须创建一个更大的低效结构来创建高效的结构，它似乎违背了拥有内存高效数据结构的目的。

numpy.zeros 能解决这个问题吗？

Answer 1

有很多方法可以创建 NumPy 数组。将 Python 列表传递给np.arrayornp.asarray只是其中一种方式。

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，不涉及大的临时 Python 列表。因此，您可以定义一个生成器函数来生成列表中的项目，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. 由于np.fromiter总是创建一维数组，因此要创建更高维数组，请使用reshape返回值。

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 Python 对象的情况下创建 NumPy 数组的方法。

Answer 2

如果您预先分配大小，Numpy 通常会更有效。如果您知道要填充 MxN 矩阵...首先创建它然后填充而不是使用附加例如。

虽然确实必须创建列表，但效率的许多改进来自于对该结构采取行动。读/写/计算/等。