Initialisation des tableaux NumPy (remplir avec des valeurs identiques)

Question

J'ai besoin de créer un tableau NumPy de longueur n dont chaque élément est v .

Y a-t-il quelque chose de mieux que :

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

Je sais. zeros y ones fonctionnerait pour v = 0, 1. Je pourrais utiliser v * ones(n) mais il ne fonctionnera pas lorsque v es None et aussi serait beaucoup plus lent.

Answer 1

Introduction de NumPy 1.8 np.full() qui est une méthode plus directe que empty() suivi par fill() pour créer un tableau rempli d'une certaine valeur :

>>> 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]])

C'est sans doute le site de créer un tableau rempli de certaines valeurs, car il décrit explicitement ce qui est réalisé (et il peut en principe être très efficace puisqu'il effectue une tâche très spécifique).

Answer 2

Mis à jour pour Numpy 1.7.0 : (Hat-tip à @Rolf Bartstra.)

a=np.empty(n); a.fill(5) est le plus rapide.

Par ordre décroissant de vitesse :

%timeit a=np.empty(10000); a.fill(5)
100000 loops, best of 3: 5.85 us per loop

%timeit a=np.empty(10000); a[:]=5 
100000 loops, best of 3: 7.15 us per loop

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

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

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

Answer 3

Je crois fill est le moyen le plus rapide de le faire.

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

Vous devriez également toujours éviter d'itérer comme vous le faites dans votre exemple. Un simple a[:] = v accomplira ce que votre itération fait en utilisant numpy diffusion .

Answer 4

Apparemment, non seulement les vitesses absolues mais aussi la vitesse commander (comme signalé par l'utilisateur1579844) dépendent de la machine ; voici ce que j'ai trouvé :

a=np.empty(1e4); a.fill(5) est le plus rapide ;

Par ordre décroissant de vitesse :

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!)

Essayez donc de vous renseigner, et utilisez ce qui est le plus rapide sur votre plateforme.

Answer 5

Vous pouvez utiliser numpy.tile , par exemple :

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]])

Bien que tile est destiné à "carreler" un tableau (au lieu d'un scalaire, comme dans ce cas), il fera le travail, créant des tableaux pré-remplis de n'importe quelle taille et dimension.