从列表理解和一般情况下有效地创建numpy数组

Question

在我目前的工作中,我使用Numpy和列表理解很多,为了最好的表现,我有以下问题:

如果我按如下方式创建Numpy数组,幕后实际发生了什么？:

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

我的猜测是python首先创建一个包含值的普通列表,然后使用列表大小来分配一个numpy数组,然后将值复制到这个新数组中.这是正确的,还是解释器聪明到足以意识到列表只是中介而是直接复制值？

同样,如果我希望使用numpy.fromiter()从列表理解中创建一个numpy数组:

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

这会导致在被送入fromiter()之前创建的值的中间列表吗？

最好的问候尼尔斯

Answer 1

我相信你正在寻找的是generator expressions与numpy.fromiter一起使用的答案.

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

生成器表达式是惰性的 - 它们在迭代它们时评估表达式.

使用列表推导制作列表,然后将其提供给numpy,而生成器表达式将一次生成一个.

Python评估内部的东西 - > out,就像大多数语言一样(如果不是全部的话),所以使用[<something> for <something_else> in <something_different>]make会生成列表,然后迭代它.

Answer 2

您可以创建自己的列表并进行实验,以了解情况......

>>> 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])