为什么numpy.array（）有时非常慢？

Question

我使用numpy.array（）函数从列表中创建numpy.float64标准数组。

我注意到，当列表包含None或提供列表列表时，这是非常缓慢的。

下面是一些时间示例。有明显的解决方法，但为什么这么慢？

无列表示例：

###使用None列表调用array（）的速度非常慢在[3]中：%timeit numpy.array（[None]*100000，dtype=numpy.float64）1个回路，最好为3:240 ms/回路###零数组不存在问题在[4]中：%timeit numpy.array（[0.0]*100000，dtype=numpy.float64）100个回路，最好为3:9.94 ms/回路###如果使用dtype=object并将其转换为float64，则速度也会很快在[5]中：%timeit numpy.array（[None]*100000，dtype=numpy.object）.astype（numpyfloat64）100个回路，最好为3:4.92 ms/回路###如果使用数组（）的fromiter（）insead，也会很快在[6]中：%timeit numpy.fromiter（[None]*100000，dtype=numpyfloat64）100个回路，最好为3:3.29 ms/回路

列表列表示例：

###创建列矩阵的速度非常慢在[7]中：%timeit numpy.array（[[0.0]]*100000，dtype=numpy.float64）1个回路，每个回路最好为3:353 ms###创建列向量和重塑形状没有问题在[8]中：%timeit numpy.array（[0.0]*100000，dtype=numpy.foat64）.reform（（-1,1））100个回路，每回路最佳3:10 ms###可以使用itertools展平输入列表在[9]中：%timeit numpy.fromiter（itertools.chain.from_iterable（[0.0]]*100000），dtype=numpy.float64）.reshape（（-1,1））100个回路，最好为3:9.65 ms/回路

Answer 1

我已经报道了这是一个无聊的问题。报告和修补程序文件如下：

https://github.com/numpy/numpy/issues/3392

修补后：

#为240 ms，最佳替代版本为3.29在[5]中：%timeit numpy.array（[无]*100000）100个回路，最好为3:7.49 ms/回路#为353 ms，最佳替代版本为9.65在[6]中：%timeit numpy.array（[0.0]]*100000）10个回路，最好为3:23.7 ms/回路

Answer 2

我猜转换列表的代码只是调用浮动一切都是如此。如果参数定义__浮子__，我们称之为，否则我们将其视为字符串（对None抛出异常，我们捕获该异常并将其放入np编号). 异常处理应该相对较慢。

时机似乎验证了这一假设：

将numpy导入为np%timeit[无]*100000>1000个回路，最好为3:1.04 ms/回路%timeit np.array（[0.0]*100000）>10个回路，最好为3:21.3 ms/回路%timeit[0.0]*100000]中i的[i.__float_（）>10个回路，每个回路最好为3:32 ms定义flt（d）：尝试：回流浮子（d）除：返回np.nan%timeit np.array（[无]*100000，dtype=np.float64）>1个回路，每个回路最好为3:477 ms%时间[flt（d）for d in[None]*100000]>1个回路，每个回路最好为3:328ms

添加另一个案例，以明确我的观点。如果明确选中“无”，则速度不会超过此速度：

定义flt2（d）：如果d为无：返回np.nan尝试：回流浮子（d）除：返回np.nan%timeit[flt2（d）for d in[None]*100000]>10个回路，每个回路最好为3:45 ms