सरणी ए के पते को संशोधित किए बिना सरणी बी से सरणी ए तक डेटा की नकल करने का सबसे तेज़ तरीका क्या है। मुझे इसकी आवश्यकता है क्योंकि एक बाहरी पुस्तकालय (PyFFTW) मेरे सरणी के लिए एक पॉइंटर का उपयोग करता है जो बदल नहीं सकता है।
उदाहरण के लिए:
a = numpy.empty(n, dtype=complex)
for i in xrange(a.size):
a[i] = b[i]
यह एक लूप के बिना करना संभव है?
जवाबों:
मेरा मानना है
a = numpy.empty_like (b)
a[:] = b
जल्दी से एक गहरी प्रतिलिपि बना देगा। जैसा कि फंसी का उल्लेख है, हाल ही के वर्जन के फंक्शन के भी copytoफंक्शन हैं।
a = bकेवल एक नया संदर्भ बनाता है b। a[:] = bका अर्थ है "सभी तत्वों aको उन के बराबर सेट करें b"। अंतर महत्वपूर्ण है क्योंकि सुन्न सरणियाँ परस्पर प्रकार हैं।
empty()कि लगभग 10% तेजी से है zeros()। आश्चर्यजनक रूप empty_like()से और भी तेज है। copyto(a,b)सरणी सिंटैक्स से अधिक तेज़ है a[:] = b। देखें gist.github.com/bhawkins/5095558
np.copyto(a, b)कब और कब उपयोग a = b.astype(b.dtype)करना है, इसका उत्तर नीचे देखें: stackoverflow.com/a/33672015/3703716
empty_likeकि बहुत तेजी से empty, खासकर जब zeros_likeसे धीमी है zeros। BTW मैं सिर्फ अपनी बेंचमार्क (अब अद्यतन) फिर से भाग गया, और बीच का अंतर copyto(a,b)और a[:] = bसुखाया गया लगता है। gist.github.com/bhawkins/5095558
NumPy संस्करण 1.7 में वह numpy.copytoकार्य है जो आप देख रहे हैं:
numpy.copyto (dst, src)
मूल्यों को एक सरणी से दूसरे में प्रसारित करता है, आवश्यकतानुसार प्रसारित करता है।
देखें: https://docs.scipy.org/doc/numpy/reference/generated/numpy.copy.html
AttributeError: 'module' object has no attribute 'copyto'
a = numpy.array(b)
सुपीरियर v1.6 तक सुझाए गए समाधानों से भी तेज है और सरणी की एक प्रति भी बनाता है। हालाँकि, मैं इसे copyto (ए, बी) के खिलाफ परीक्षण नहीं कर सका, क्योंकि मेरे पास सबसे हाल का संस्करण नहीं है।
आपके प्रश्न का उत्तर देने के लिए, मैंने कुछ वेरिएंट्स के साथ खेला और उन्हें प्रोफाइल किया।
निष्कर्ष: डेटा को कॉपी करने के लिए एक संख्यात्मक सरणी से दूसरे में से किसी एक का उपयोग करते हुए अंतर्निहित कार्य numpy.array(src)या numpy.copyto(dst, src)जहां भी संभव हो।
(लेकिन हमेशा बाद में चुनें अगर dstस्मृति पहले से ही आवंटित है, स्मृति का पुन: उपयोग करने के लिए। पोस्ट के अंत में प्रोफाइल देखें।)
प्रोफाइलिंग सेटअप
import timeit
import numpy as np
import pandas as pd
from IPython.display import display
def profile_this(methods, setup='', niter=10 ** 4, p_globals=None, **kwargs):
if p_globals is not None:
print('globals: {0}, tested {1:.0e} times'.format(p_globals, niter))
timings = np.array([timeit.timeit(method, setup=setup, number=niter,
globals=p_globals, **kwargs) for
method in methods])
ranking = np.argsort(timings)
timings = np.array(timings)[ranking]
methods = np.array(methods)[ranking]
speedups = np.amax(timings) / timings
pd.set_option('html', False)
data = {'time (s)': timings,
'speedup': ['{:.2f}x'.format(s) if 1 != s else '' for s in speedups],
'methods': methods}
data_frame = pd.DataFrame(data, columns=['time (s)', 'speedup', 'methods'])
display(data_frame)
print()
प्रोफाइलिंग कोड
setup = '''import numpy as np; x = np.random.random(n)'''
methods = (
'''y = np.zeros(n, dtype=x.dtype); y[:] = x''',
'''y = np.zeros_like(x); y[:] = x''',
'''y = np.empty(n, dtype=x.dtype); y[:] = x''',
'''y = np.empty_like(x); y[:] = x''',
'''y = np.copy(x)''',
'''y = x.astype(x.dtype)''',
'''y = 1*x''',
'''y = np.empty_like(x); np.copyto(y, x)''',
'''y = np.empty_like(x); np.copyto(y, x, casting='no')''',
'''y = np.empty(n)\nfor i in range(x.size):\n\ty[i] = x[i]'''
)
for n, it in ((2, 6), (3, 6), (3.8, 6), (4, 6), (5, 5), (6, 4.5)):
profile_this(methods[:-1:] if n > 2 else methods, setup,
niter=int(10 ** it), p_globals={'n': int(10 ** n)})
इंटेल i7 सीपीयू, सीपीथॉन v3.5.0, सुपीरियर v1.10.1 पर विंडोज 7 के लिए परिणाम ।
इसके अलावा, रूपरेखा के एक संस्करण के लिए परिणाम देखें, जहां गंतव्य की मेमोरी पहले से ही मूल्य प्रतिलिपि के दौरान पूर्व-आबंटित है , क्योंकि y = np.empty_like(x)सेटअप का हिस्सा है:
x.copy()भी उतना ही तेज है np.array(x)और मुझे वाक्य रचना बहुत पसंद है: $ python3 -m timeit -s "import numpy as np; x = np.random.random((100, 100))" "x.copy()"- 100000 loops, best of 3: 4.7 usec per loop। मेरे पास इसके समान परिणाम हैं np.array(x)। लिनक्स पर i5-4210U और सुपीरियर 1.10.4 के साथ परीक्षण किया गया
np.copyअधिक क्षमा: np.copy(False), np.copy(None)अभी भी काम करते हैं, जबकि a = None; a.copy()फेंकता है AttributeError: 'NoneType' object has no attribute 'copy'। इसके अलावा, हम विधि वाक्यविन्यास के बजाय फ़ंक्शन का उपयोग करके कोड की इस पंक्ति में क्या होना चाहते हैं, यह घोषित करने पर हम अधिक सटीक हैं।
np.copy(None)यह नहीं है कि एक त्रुटि है वास्तव में unpythonic फेंक नहीं है। उपयोग करने के लिए एक और कारण a.copy():)
y[:] = xयह अब की तुलना में मामूली रूप से तेज है copyto(y, x)। Gist.github.com/bhawkins/7cdbd5b9372cb798e34e21f92279d2dc
आप आसानी से उपयोग कर सकते हैं:
b = 1*a
यह सबसे तेज़ तरीका है, लेकिन इसमें कुछ समस्याएं भी हैं। आप सीधे परिभाषित नहीं है, तो dtypeकी aहै और यह भी जांच नहीं करता है dtypeकी bआप मुसीबत में पड़ सकते हैं। उदाहरण के लिए:
a = np.arange(10) # dtype = int64
b = 1*a # dtype = int64
a = np.arange(10.) # dtype = float64
b = 1*a # dtype = float64
a = np.arange(10) # dtype = int64
b = 1. * a # dtype = float64
मुझे उम्मीद है, मैं बात को स्पष्ट कर सकता हूं। कभी-कभी आपके पास केवल एक छोटे से ऑपरेशन के साथ डेटा प्रकार परिवर्तन होगा।
a = numpy.zeros(len(b))या a = numpy.empty(n,dtype=complex)एक नई सरणी भी बनाएगा।
कई अलग-अलग चीजें हैं जो आप कर सकते हैं:
a=np.copy(b)
a=np.array(b) # Does exactly the same as np.copy
a[:]=b # a needs to be preallocated
a=b[np.arange(b.shape[0])]
a=copy.deepcopy(b)
चीजें जो काम नहीं करती हैं
a=b
a=b[:] # This have given my code bugs