Inicialização do array NumPy (preenchimento com valores idênticos)

Eu preciso criar uma matriz NumPy de comprimento n , cada elemento do qual év .

Existe algo melhor do que:

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

Eu sei zerose onesfuncionaria para v = 0, 1. Eu poderia usar v * ones(n), mas não funcionará quando vfor Nonee também seria muito mais lento.

Introduzido o NumPy 1.8 np.full(), que é um método mais direto do que o empty()seguido fill()para criar uma matriz preenchida com um determinado valor:

>>> 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]])

Essa é, sem dúvida, a maneira de criar uma matriz preenchida com certos valores, porque descreve explicitamente o que está sendo alcançado (e, em princípio, pode ser muito eficiente, pois executa uma tarefa muito específica).

Atualizado para o Numpy 1.7.0: (dica de chapéu para @Rolf Bartstra.)

a=np.empty(n); a.fill(5) é o mais rápido

Em ordem decrescente de velocidade:

%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

Eu acredito que fillé a maneira mais rápida de fazer isso.

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

Você também deve sempre evitar iterar como está fazendo no seu exemplo. Um simples a[:] = vrealizará o que sua iteração faz usando difusão numpy .

Aparentemente, não apenas as velocidades absolutas, mas também a ordem de velocidade (conforme relatado pelo usuário 1579844) dependem da máquina; aqui está o que eu encontrei:

a=np.empty(1e4); a.fill(5) é mais rápido;

Em ordem decrescente de velocidade:

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!)

Portanto, tente descobrir e use o que é mais rápido em sua plataforma.

eu tinha

numpy.array(n * [value])

em mente, mas aparentemente isso é mais lento que todas as outras sugestões de tamanho suficiente n .

Aqui está uma comparação completa com o perfplot (um projeto meu para animais de estimação).

As duas emptyalternativas ainda são as mais rápidas (com o NumPy 1.12.1). fullalcança grandes matrizes.

Código para gerar o gráfico:

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,
)

Você pode usar numpy.tile, por exemplo:

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]])

Embora tilese pretenda 'agrupar' uma matriz (em vez de uma escalar, como neste caso), ela fará o trabalho, criando matrizes pré-preenchidas de qualquer tamanho e dimensão.

sem entorpecente

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