python - Numpy - 从数组列表创建数组的最有效方法

Question

我有一个程序，其当前的性能瓶颈涉及从相对较长的扁平数组的相对较短列表中创建一个新数组：

num_arrays = 5
array_length = 1000

arrays = [np.random.random((array_length, )) for _ in range(num_arrays)]

new_array = np.array(arrays)

换句话说，将nshape 数组堆叠(s,)成new_arrayof shape (n, s)。

我正在寻找最有效的方法来计算这个，因为这个操作重复了数百万次。

我测试了两种简单方法的性能：

%timeit np.array(arrays)
>>> 3.6 µs ± 67.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit np.stack(arrays)
>>> 9.61 µs ± 133 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

我目前正在使用np.array(arrays)，但我想知道是否有更有效的方法来做到这一点。

一些可能有帮助的细节：

• 数组的长度在程序的整个运行期间都是固定的，例如1000.
• 数组的数量通常很少，通常是<=5. 在整个程序运行过程中（即每创建约 1000 个此类数组），可以在检查点获得此上限，但不能提前。

标签： pythonarraysperformancenumpy