我正在尝试通过使用 numpy 数组删除 for 循环和列表理解来优化我的代码。 总的来说,现在代码的执行速度更快了,但是有一件事让我很困扰:将我的包含大约 110000 个元素的列表转换为 numpy 数组占用了程序运行时间的大部分时间(5 到 7 秒,只是为了初始化一个数组!)
我有这个
rec = np.array(records)
其中 records 是一个对象列表。
是否可以加快创建此 numpy 数组的速度?
请您参考如下方法:
如果您的列表是一维的,使用 np.fromiter() 比典型的 np.array() 更快。 大小为 10000 的整数列表的基准:
a = [1,2,3,4,5,6,7,8,9,10]*1000
%timeit np.array(a,dtype=np.int32)
456 µs ± 7.16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit np.fromiter(a,dtype=np.int32,count=10000)
242 µs ± 6.65 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
