主页 / coding / 问题 / 79059427
Accepted
ruul
Asked: 2024-10-06 23:20:00 +0800 CST

~np.zeros() 是启动 1D numpy 布尔 True 数组的最快方法吗？

  • 772

尝试找到最快的方法来启动 1D numpy True 值数组。

%timeit -n 100000 -r 30 np.ones(10000, dtype=bool)返回 750 纳秒 ± 35.7 纳秒

然而

%timeit -n 100000 -r 30 ~np.zeros(10000, dtype=bool)返回 682 纳秒 ± 7.47 纳秒

行为可能取决于数组大小，但是否有选择哪一个的一般经验法则？还有其他更快的方法吗？

python

3 个回答

  1. Best Answer

    np.frombuffer(bytearray().ljust(10000, b"\x01"), dtype=bool)empty比或更快full。NumPy 1.22.4 的基准测试结果：

    $ python3 -m timeit -s 'import numpy as np' 'np.ones(10000, dtype=bool)'
100000 loops, best of 5: 2.12 usec per loop
$ python3 -m timeit -s 'import numpy as np' '~np.zeros(10000, dtype=bool)'
200000 loops, best of 5: 1.66 usec per loop
$ python3 -m timeit -s 'import numpy as np' 'np.full(10000, True)'
100000 loops, best of 5: 2.01 usec per loop
$ python3 -m timeit -s 'import numpy as np' 'a = np.empty(10000, dtype=bool); a[:] = True' 
200000 loops, best of 5: 1.25 usec per loop
$ python3 -m timeit -s 'import numpy as np' 'np.frombuffer(bytearray().ljust(10000, b"\x01"), dtype=bool)'
500000 loops, best of 5: 636 nsec per loop

    这（滥用）了底层调用的事实，这意味着字节数组可以非常快速地初始化。其余的只是构造字节数组和 NumPy 数组的bytearray.ljust开销。memset

    • 4

  2. UPD：@nneonneo 的解决方案比这个快 2.5..3 倍

    np.empty()然后分配更快

    %timeit -n 100000 -r 30 np.ones(10000, dtype=bool)
7.06 µs ± 2.71 µs per loop

%timeit -n 100000 -r 30 ~np.zeros(10000, dtype=bool)
4.37 µs ± 1.8 µs per loop

%timeit -n 100000 -r 30 np.full(10000, True)
2.3 µs ± 668 ns per loop

%timeit -n 100000 -r 30 a=np.empty(10000, dtype=bool); a[:]=True
1.74 µs ± 672 ns per loop
    • 3

  3. 以下命令似乎可以获得更好的性能（无需强制转换）：

    %timeit -n 100000 -r 30 np.full(10000, True)
    • 2

相关问题