重用现有的 numpy 数组还是创建一个新数组？答案

【问题标题】：Reuse an exisiting numpy array or create a new one?重用现有的 numpy 数组还是创建一个新数组？
【发布时间】：2016-06-02 20:06:05
【问题描述】：

在迭代算法中，通常会多次使用大型 numpy 数组。我想将值填充到一个现有的大 numpy 数组中，但我发现创建一个新数组更快。

>>>import numpy as np
>>>a=np.arange(10000)
>>>b=a.copy()
>>>%timeit b=a+a   # Every time create a new array
100000 loops, best of 3: 9.59 µs per loop
>>>%timeit b[:]=a+a  # Use existing array
100000 loops, best of 3: 13.3 µs per loop
>>>%timeit np.copyto(b,a+a)  # Another way to use existing array
100000 loops, best of 3: 13.4 µs per loop

是否有更快的方法来重用现有数组？（例如上面的b）
如果没有这样的方法，为什么创建一个新数组会更快？
每次都重新创建一个新数组有什么缺点吗？我对此犹豫不决，因为我的数据很大，我需要在每次迭代中为其分配不同的值。

【问题讨论】：

我相信结果可以通过以下事实来解释：当您执行 b[:]=a+a 时，它首先计算 a+a 并将其放入一个数组中，然后将该数组分配给 b 中的内存。跨度>

标签： python performance numpy

【解决方案1】：

np.copyto(b,a);b+=a 更快，但不是最快的方式。
np.add(a,a,b) 是目前的最佳选择，100000 次循环，3 次中的最佳选择：每个循环 8.66 µs。

也许b[:]=a+a 会生成一些临时计算空间？我不知道。但是使用"+=, -=, *=, add"这些ufun不会错。

【讨论】：