python - tutorial - Creación eficiente de matrices numpy desde la comprensión de lista y en general

numpy tutorial español pdf

Question

En mi trabajo actual, uso Numpy y enumero las comprensiones y, en aras del mejor rendimiento posible, tengo las siguientes preguntas:

¿Qué sucede realmente detrás de escena si creo una matriz Numpy de la siguiente manera? :

a = numpy.array( [1,2,3,4] )

Mi conjetura es que Python primero crea una lista ordinaria que contiene los valores, luego usa el tamaño de la lista para asignar una matriz numpy y luego copia los valores en esta nueva matriz. ¿Es correcto o el intérprete es lo suficientemente inteligente como para darse cuenta de que la lista es solo intermedia y en su lugar, copiar los valores directamente?

De manera similar, si deseo crear una matriz numpy desde la comprensión de la lista usando numpy.fromiter ():

a = numpy.fromiter( [ x for x in xrange(0,4) ], int )

¿resultará esto en una lista intermedia de valores que se crean antes de ser introducidos en fromiter ()?

Saludos cordiales Niels

Answer 1

Creo que la respuesta que estás buscando es usar generator expressions con numpy.fromiter .

numpy.fromiter((<some_func>(x) for x in <something>),<dtype>,<size of something>)

Las expresiones del generador son perezosas: evalúan la expresión cuando las iteras.

El uso de la lista de comprensión hace que la lista, luego la alimente en números, mientras que las expresiones del generador producirán una a la vez.

Python evalúa las cosas por dentro -> fuera, como la mayoría de los lenguajes (si no todos), por lo que usar [<something> for <something_else> in <something_different>] haría la lista, luego iterarla.

Answer 2

Puedes crear tu propia lista y experimentar con ella para arrojar algo de luz sobre la situación ...

>>> class my_list(list):
...     def __init__(self, arg):
...         print ''spam''
...         super(my_list, self).__init__(arg)
...   def __len__(self):
...       print ''eggs''
...       return super(my_list, self).__len__()
... 
>>> x = my_list([0,1,2,3])
spam
>>> len(x)
eggs
4
>>> import numpy as np
>>> np.array(x)
eggs
eggs
eggs
eggs
array([0, 1, 2, 3])
>>> np.fromiter(x, int)
array([0, 1, 2, 3])
>>> np.array(my_list([0,1,2,3]))
spam
eggs
eggs
eggs
eggs
array([0, 1, 2, 3])