用Python复制2D数组最快的方法是什么？

问题描述：

我必须在 R * C 网格上进行大量模拟。

I have to make a very large number of simulations on a R*C grid.

这些模拟正在更改网格，因此我需要先复制参考网格，然后将仿真功能应用于全新的网格。

These simulations are altering the grid, so I need to copy my reference grid before each, and then apply my simulating function on the fresh new grid.

最快的方法是

由于我在StackOverflow上没有找到类似的问题，因此我自己进行了测试决定将其发布在这里，认为它们可能对其他人有用。

答案将是社区的回应，以便其他人可以添加新的

如果您添加其他方法，请记住要测量所有旧测试并进行更新，因为时间取决于

答

我使用了bash变量来设置 timeit 测试：

I used a bash variable for setting up the timeit tests:

setup="""
R = 100
C = 100
from copy import deepcopy
import numpy as np
ref = [[i for i in range(C)] for _ in range(R)]
ref_np = np.array(ref)
cp = [[100 for i in range(C)] for _ in range(R)]
cp_np = np.array(cp)
"""

为方便起见，我还设置了一个临时别名 pybench ：

Just for convenience, I also set a temporary alias pybench:

alias pybench='python3.5 -m timeit -s "$setup" $1'

Python 3

Python 3.5.0+（默认值，2015年10月11日，09：05：38）

Deepcopy：

>>> pybench "cp = deepcopy(ref)"
100 loops, best of 3: 8.29 msec per loop

使用索引修改预先创建的数组：

>>> pybench \
"for y in range(R):
    for x in range(C):
        cp[y][x] = ref[y][x]"
1000 loops, best of 3: 1.16 msec per loop

嵌套列表理解力：

>>> pybench "cp = [[x for x in row] for row in ref]"
1000 loops, best of 3: 390 usec per loop

切片：

>>> pybench "cp = [row[:] for row in ref]"
10000 loops, best of 3: 45.8 usec per loop

NumPy复制：

>>> pybench "cp_np = np.copy(ref_np)"
100000 loops, best of 3: 6.03 usec per loop

复制到预先创建的NumPy数组：

>>> pybench "np.copyto(cp_np, ref_np)"
100000 loops, best of 3: 4.52 usec per loop

这些结果并不令人感到意外，正如您可能已经猜到的那样，使用NumPy的速度非常快，尤其是如果有人避免每次都创建新表。

There is nothing very surprising in these results, as you might have guessed, use NumPy is enormously faster, especially if one avoids creating a new table each time.

用Python复制2D数组最快的方法是什么？

Python 3

相关推荐