使用切片赋值numpy数组

Question

如果 b 是一个 2x2 的 np.ndarray（也就是一个二维数组），当你执行下面的赋值操作时，numpy 在后台到底做了什么？也就是说，它是先把列表 [100, 100] 转换成一个 numpy 数组，然后再填充到 b 的第一行，还是直接用列表 [100, 100] 的值来填充 b 的第一行呢？

 b[1,:] = [100,100]

我可以在文档的哪个地方找到更多关于这个的资料呢？

Answer 1

b[1,:] = [100,100] 和下面的写法是完全一样的：

b[1,0] = 100
b[1,1] = 100

不过，前者执行起来更快，因为它使用了编译好的循环。后者在赋值之前需要先把数据转换成ndarray的类型，这样会稍微慢一些。

Answer 2

为了评估执行速度，我们将使用 timeit 这个库。

import timeit
import numpy as np

setup = """
import numpy as np
tmp = np.empty(shape=(1, 100))
values = [i for i in xrange(100)]
"""

stmt1 = """tmp[0, :] = values"""
stmt2 = """
for i, val in enumerate(values):
    tmp[0, i] = val
"""

time1 = timeit.Timer(setup=setup, stmt=stmt1)
time2 = timeit.Timer(setup=setup, stmt=stmt2)

print "numpy way :", time1.timeit(number=100000)
print "Python way:", time2.timeit(number=100000)

你可以测试一下，你会发现使用numpy的循环速度快了两倍：

- numpy way : 0.97758197784423828
- Python way: 2.1633858680725098

这是因为在某个阶段，values 中的整数（这些整数是无限大的）会被转换成64位的浮点数。为了只比较循环的速度，我们可以在准备阶段提前进行类型转换：

values = np.array([i for i in xrange(100)], dtype=np.float64)

这是我得到的结果：

numpy way : 0.131125926971
Python way: 2.64055013657

我们注意到，numpy的循环速度比Python的循环快了20倍。

如果你想了解更多信息，可以查找 Python中的向量化计算 ...