Numpy数组访问优化
所以，我有一个庞大的numpy数组（超过1000万个元素甚至更多）然后我有一个循环，它访问大型数组。
在每次迭代中，循环遍历相邻索引列表，从numpy数组中检索值。 目前，我对大数组进行分片，然后检索值。
例如：循环需要访问[1000, 1000], [1001, 1000], [1002,999]它将采用array[1000:1003, 999 : 1001] [1000, 1000], [1001, 1000], [1002,999] array[1000:1003, 999 : 1001]的切片，然后访问元素。
这是降低循环的性能，还是增加它（理论上）？
从我记得，切片完成复制列表部分到内存。 我不确定，但我几乎可以肯定这个操作是O（1）。 但直接访问，就像
container = [] for i in range(a,b): container.append(l[i])
它通常更快。
arr1 = arr[1000:1003, 999 : 1001]是arr的view 。 这意味着它是一个新的数组对象，具有自己的形状和步幅，但它与arr共享数据缓冲区。 （我可以详细了解它是如何分享的，但我认为这不重要。）
arr[1000, 1000] arr[1002,999] ， arr[1001, 1000] ， arr[1002,999]是arr单独元素。 arr1[0,1] ， arr1[1,1] ， arr1[2,0]引用相同的元素（如果我已经完成了数学计算）。 我的教育猜测是访问时间将是相同的。
这三个元素可以一次提取，一个副本，
arr2 = arr[[1000, 1001, 1002],[1000, 1000, 999]]
我期待这一点
for x in arr:
<do something with x>
将比...更快
for idx in [[1000, 1000], [1001, 1000], [1002,999]]:
x = arr[idx]
<do something with x>
但“做某件事”的时间很可能会超过索引时间。
但我鼓励你设置一个测试用例，并尝试其他选择。 亲自看看有什么不同。
链接地址: http://www.djcxy.com/p/36365.html