使用numpy，生成从-n到n的数组的最快方法是什么，不包括0，是“n”一个整数？

Question

使用 numpy，生成从 -n 到 n 的数组，不包括 0，为 n 整数的最快方法是什么？

遵循一种解决方案，但我不确定这是最快的：

n = 100000
np.concatenate((np.arange(-n, 0), np.arange(1, n+1)))

Answer 1

另一种方法是创建范围 -n 到 n-1。然后从零开始给元素加 1。

def non_zero_range(n):
    # The 2nd argument to np.arange is exclusive so it should be n and not n-1
    a=np.arange(-n,n)
    a[n:]+=1
    return a

n=1000000
%timeit np.concatenate((np.arange(-n,0), np.arange(1,n+1)))
# 4.28 ms ± 9.46 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit non_zero_range(n)
# 2.84 ms ± 13.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

我认为缩短响应时间是因为只创建一个数组，而不是像串联方法中那样创建三个。

Answer 2

编辑

谢谢大家。我编辑了我的帖子并更新了新的测试时间。

有趣的问题。

实验

我是在我的 jupyter-notebook 中完成的。他们都使用了numpy API。您可以自己进行以下代码的实验。

关于jupyter-notebook中的时间测量，请看：Simple way to measure cell execution time in ipython notebook

原np.concatenate

%%timeit 
n = 100000
t = np.concatenate((np.arange(-n, 0), np.arange(1, n+1)))

#175 µs ± 2.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

溶胶 1。np.delete

%%timeit 
n = 100000
a = np.arange(-n, n+1)
b = np.delete(a, n)

# 179 µs ± 5.66 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Sol 2. 列表理解 + np.arrary

%%timeit
c = np.array([x for x in range(-n, n+1) if x != 0])

# 16.6 ms ± 693 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

结论

原版和解决方案 1 没有太大区别，但解决方案 2 是三者中最差的。我也在寻找更快的解决方案。

参考

对于那些：

有兴趣初始化和填充一个 numpy 数组

• Best way to initialize and fill an numpy array?

对 is 和 == 感到困惑

• The Difference Between “is” and “==” in Python