在 NumPy 数组上调用“np.asarray”是否会产生很大的开销？

Question

我对 Python 世界还很陌生，所以请原谅我的愚蠢问题。

在许多情况下，我实现了一个适用于类似数组的数字输入的函数，并且使用 NumPy 实用程序对序列进行基本操作通常是有利的。为此，我会写这样的东西：

import numpy as np

def f(x):
    if not isinstance(x, np.ndarray):
        x = np.asarray(x)
    # and from now on we know that x is a NumPy array, with all standard methods

（请注意，我不想依赖调用者始终传递 NumPy 数组。）

if我想知道如果通过删除?来简化代码会产生什么额外开销？即，有类似的东西

def f(x):
    x = np.asarray(x)
    # and from now on we know that x is a NumPy array, with all standard methods

基本上，两种情况之间的区别在于第二个代码更紧凑，但np.asarray即使x已经是 NumPy 数组也会不必要地调用。

Answer 1

简短的回答：由于您正在检查isinstance()，因此您可以使用numpy.asanyarray()which 来传递任何ndarray及其子类，而无需任何开销。

根据numpy.asarray()的文档，当输入已经是一种ndarray类型时，当输入已经是一个数组时，就没有开销：不会发生复制，它们“通过”。不过，值得注意的是， 的子类ndarray并没有通过。

由于在您使用的原始代码中isinstance(x, numpy.ndarray)，您很可能希望numpy.asanyarray()which 传递 is 的子类ndarray，这对于您的用例来说会更有效。（因为isinstance()子类也返回 true）

返回： out : ndarray a 的数组解释。如果输入已经是具有匹配数据类型和顺序的 ndarray，则不会执行任何复制。如果 a 是 ndarray 的子类，则返回基类 ndarray。

文档中的这个示例（加上我自己的评论）解释了差异以及为什么asanyarray()更适合您的用例：

>>> issubclass(np.recarray, np.ndarray)
True   # This is to show that recarray is a subclass of ndarray
>>> a = np.array([(1.0, 2), (3.0, 4)], dtype='f4,i4').view(np.recarray)
>>> np.asarray(a) is a
False  # Here a copy happens which is an overhead you do not want,
       # because the input type recarray is only a subclass of ndarray
>>> np.asanyarray(a) is a
True   # Here no copying happens, your subclass of ndarray passes through.