NumPy数组初始化（使用相同的值填充）

我需要创建一个长度为NumPy的数组n，其中每个元素为v。

还有什么比：

a = empty(n)
for i in range(n):
    a[i] = v

我知道zeros并且ones可以在v = 0，1下使用。我可以使用v * ones(n)，但是在vis 上将不起作用None，而且速度会慢很多。

NumPy的1.8引入np.full()，这是比更直接的方法empty()，接着fill()用于创建填充有一定值的数组：

>>> np.full((3, 5), 7)
array([[ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.]])

>>> np.full((3, 5), 7, dtype=int)
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

可以说，这是创建一个填充有某些值的数组的方法，因为它明确描述了要实现的目标（并且从原理上讲，它可以执行非常具体的任务，因此非常高效）。

已为Numpy 1.7.0更新：（@ Rolf Bartstra的提示）。

a=np.empty(n); a.fill(5) 最快。

以降序排列：

%timeit a=np.empty(1e4); a.fill(5)
100000 loops, best of 3: 5.85 us per loop

%timeit a=np.empty(1e4); a[:]=5 
100000 loops, best of 3: 7.15 us per loop

%timeit a=np.ones(1e4)*5
10000 loops, best of 3: 22.9 us per loop

%timeit a=np.repeat(5,(1e4))
10000 loops, best of 3: 81.7 us per loop

%timeit a=np.tile(5,[1e4])
10000 loops, best of 3: 82.9 us per loop

我相信这fill是最快的方法。

a = np.empty(10)
a.fill(7)

您还应该始终避免像在示例中那样进行迭代。一个简单的a[:] = v函数将使用numpy 广播来完成您的迭代操作。

显然，不仅绝对速度而且速度顺序（如user1579844所报告）均取决于机器。这是我发现的：

a=np.empty(1e4); a.fill(5) 最快

以降序排列：

timeit a=np.empty(1e4); a.fill(5) 
# 100000 loops, best of 3: 10.2 us per loop
timeit a=np.empty(1e4); a[:]=5
# 100000 loops, best of 3: 16.9 us per loop
timeit a=np.ones(1e4)*5
# 100000 loops, best of 3: 32.2 us per loop
timeit a=np.tile(5,[1e4])
# 10000 loops, best of 3: 90.9 us per loop
timeit a=np.repeat(5,(1e4))
# 10000 loops, best of 3: 98.3 us per loop
timeit a=np.array([5]*int(1e4))
# 1000 loops, best of 3: 1.69 ms per loop (slowest BY FAR!)

因此，请尝试找出并使用平台上最快的功能。

我有

numpy.array(n * [value])

请记住，但是显然，这比所有其他建议都足够慢n。

这是与perfplot（我的一个宠物项目）的完整比较。

这两种empty选择仍然是最快的（使用NumPy 1.12.1）。full赶上大型阵列。

生成绘图的代码：

import numpy as np
import perfplot


def empty_fill(n):
    a = np.empty(n)
    a.fill(3.14)
    return a


def empty_colon(n):
    a = np.empty(n)
    a[:] = 3.14
    return a


def ones_times(n):
    return 3.14 * np.ones(n)


def repeat(n):
    return np.repeat(3.14, (n))


def tile(n):
    return np.repeat(3.14, [n])


def full(n):
    return np.full((n), 3.14)


def list_to_array(n):
    return np.array(n * [3.14])


perfplot.show(
    setup=lambda n: n,
    kernels=[empty_fill, empty_colon, ones_times, repeat, tile, full, list_to_array],
    n_range=[2 ** k for k in range(27)],
    xlabel="len(a)",
    logx=True,
    logy=True,
)

您可以使用numpy.tile，例如：

v = 7
rows = 3
cols = 5
a = numpy.tile(v, (rows,cols))
a
Out[1]: 
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

尽管tile是为了“平铺”一个数组（而不是这种情况下的标量），但它可以完成工作，创建任何大小和尺寸的预填充数组。

没有numpy的

>>>[2]*3
[2, 2, 2]