Dilimleme özelliğini kullanarak numpy dizi ataması

Question

b 2x2 np.ndarray ise ve aşağıdaki atama gerçekleştirilirse, numpy arka planda ne yapar, yani bir sayı dizisine [100, 100] ilk dönüştürür mü yoksa doğrudan b ilk sıradaki değerleri doldurmak için listeyi [100100] kullanmak kapsamaz:

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

nerede belgelerinde bu konuda daha fazla bilgi bulabilirim?

Answer 1

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

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

o derlenmiş döngüler kullanır Ancak daha hızlı yürütülecek olan aynıdır. (İkincisi, değerleri iliştirmeden önce ndarray dtype'a bir dönüştürme yapmak zorundadır).

Answer 2

Yürütme hızını değerlendirmek için timeit kitaplığını kullanacağız.

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) 

Bunu test edebilirsiniz ve bu numpy döngüler iki kez daha hızlı olduğunu fark edecektir:

- numpy way : 0.97758197784423828 
- Python way: 2.1633858680725098 

(sınırsız tam sayılardır) values içinde tamsayılar dönüştürülür bir faz orada olmasıdır 64 biti yüzer.

numpy way : 0.131125926971 
Python way: 2.64055013657 

Biz numpy döngüler 20 kez olduğunu fark:

İşte

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

Edindiğim budur: döngü sadece hızını karşılaştırmak için, tip dönüşüm kurulumunda ön yapılabilir Python döngülerinden daha hızlı. Eğer vectorized computations in Python ...