[英]With numpy, what's the fastest way to generate an array from -n to n, excluding 0, being `n` an integer?
使用numpy时,最快的方法是从-n到n生成数组(不包括0, n
为整数),最快的方法是什么?
遵循一种解决方案,但是我不确定这是最快的:
n = 100000
np.concatenate((np.arange(-n, 0), np.arange(1, n+1)))
另一种方法是创建-n到n-1的范围。 然后将零加到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)
我认为减少响应时间是由于仅创建一个数组,而不是串联方法中的三个。
感谢大家。 我编辑了帖子并更新了新的考试时间。
有趣的问题。
我在jupyter笔记本中做到了。 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,请参阅: 在ipython Notebook中测量单元执行时间的简单方法
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)
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)
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)
原始解决方案和解决方案1之间没有太大区别,但是解决方案2在这三个解决方案中最差。 我也在寻找更快的解决方案。
对于那些是:
有兴趣初始化并填充一个numpy数组
感到困惑的is
vs ==
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.