预分配NumPy数组的首选方法是什么？

Question

我是NumPy / SciPy的新手。从文档中看，预分配单个数组似乎比调用append / insert / concatenate更为有效。

例如，要将1的列添加到数组中，我认为是这样的：

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

首选：

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正确（第一个更好），而我的第二个问题是，目前，我只是像这样预先分配我的数组（我在SciPy网站上的几个Cookbook示例中都注意到了）：

np.zeros((8,5))

什么是“ NumPy首选”方式？

Answer 1

预分配在一次调用中分配了您需要的所有内存，而调整数组的大小（通过对append，insert，concatenate或resize的调用）可能需要将数组复制到更大的内存块中。因此，您是正确的，相比于调整大小，预分配是首选的（并且应该比调整大小要快）。

根据您要创建的内容，有许多“首选”方法可以预分配numpy数组。有np.zeros，np.ones，np.empty，np.zeros_like，np.ones_like，和np.empty_like，和其他许多人创建了有用的阵列，如np.linspace，和np.arange。

所以

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

如果这最接近ar0您的期望，那就很好了。

但是，要使最后一列全为1，我认为首选的方法是说

ar0[:,-1]=1

由于形状ar0[:,-1]为(4,)，因此广播1以匹配该形状。