¿Cuál es la forma preferida de preasignar matrices NumPy?

Question

Soy nuevo en NumPy/SciPy. De la documentación, parece más eficiente preasignar una única matriz en lugar de llamar a anexar/insertar/concatenar.

Por ejemplo, para agregar una columna de 1 de a una matriz, creo que esto:

ar0 = np.linspace(10, 20, 16).reshape(4, 4) 
ar0[:,-1] = np.ones_like(ar0[:,0]) 

se prefiere a este:

ar0 = np.linspace(10, 20, 12).reshape(4, 3) 
ar0 = np.insert(ar0, ar0.shape[1], np.ones_like(ar0[:,0]), axis=1) 

mi primera pregunta es si esto es correcto (que la primera es mejor), y mi segunda pregunta es, por el momento, estoy preasignando mis matrices de esta manera (que noté en varios de los ejemplos de Cookbook en el sitio SciPy):

np.zeros((8,5)) 

¿cuál es la forma 'preferida de NumPy' para hacer esto?

Answer 1

La asignación previa asigna mal toda la memoria que necesita en una llamada, mientras que redimensionar la matriz (a través de llamadas para agregar, insertar, concatenar o cambiar el tamaño) puede requerir copiar la matriz a un bloque de memoria más grande. De modo que está en lo cierto, se prefiere la asignación previa a (y debería ser más rápido que) el cambio de tamaño.

Hay una serie de formas "preferidas" de preasignar matrices numpy según lo que desee crear. Hay np.zeros, np.ones, np.empty, np.zeros_like, np.ones_like y np.empty_like, y muchos otros que crean matrices útiles como np.linspace y np.arange.

Así

ar0 = np.linspace(10, 20, 16).reshape(4, 4) 

es muy bien si esto se acerca más a la ar0 usted desea.

Sin embargo, para hacer la última columna de todos 1, creo que la mejor forma sería la de simplemente decir

ar0[:,-1]=1 

Puesto que la forma de ar0[:,-1] es (4,), el 1 es broadcasted para que coincida con esta forma.