numpy.empty應用指南

隨著數據科學的快速發展，numpy成為了Python中最重要的科學計算包之一。numpy提供了諸多強大的功能，例如超快速的數學運算和數組處理。其中，numpy.empty是非常實用的函數之一。

一、numpy.empty概述

numpy.empty(shape, dtype=float, order=’C’)是numpy中的一個函數，它創建一個指定形狀和dtype的新數組，並將其分配給新的內存塊，但是不會初始化數組元素。因此，numpy.empty速度非常快，因為它不需要初始化數組。

numpy.empty創建一個指定形狀和dtype的新數組，並分配內存空間。但是它不會對數組進行初始化，因此數組的元素值是未知的。這是與numpy.zeros和numpy.ones的區別。它們創建一個新數組並初始化為0或1。因此，numpy.empty函數的速度比numpy.zeros或numpy.ones更快。

import numpy as np
a = np.empty([3,2], dtype = int)
print(a)

輸出結果如下：

array([[811652128,         0],
       [         0,         0],
       [         0,         0]])

由於未初始化數組元素，因此數組元素的值為未知值。

二、numpy.empty創建多維數組

numpy.empty也可以創建多維數組。

x = np.empty([3,2,2])
print(x)

輸出結果如下：

array([[[ -3.10503618e+231,  -3.10503618e+231],
        [  2.96439388e-323,   0.00000000e+000]],

       [[  0.00000000e+000,   0.00000000e+000],
        [  0.00000000e+000,   0.00000000e+000]],

       [[  0.00000000e+000,   0.00000000e+000],
        [  0.00000000e+000,   0.00000000e+000]]])

與二維數組類似，多維數組的元素值也是隨機的。

三、numpy.empty的性能優化

numpy.empty比其他創建數組的函數更快，因為它不需要為數組賦初值。

為了測試numpy.empty與numpy.zeros的性能，我們可以使用Python自帶的timeit模塊。在此之前，我們需要導入模塊。

import timeit
setup = "import numpy as np"
stmt_numpy_zeros = "np.zeros((1000,1000))"
stmt_numpy_empty = "np.empty((1000,1000))"
print('numpy.zeros:{:.6f}\nnumpy.empty:{:.6f}'.format(
    timeit.timeit(stmt=stmt_numpy_zeros, setup=setup, number=1000),
    timeit.timeit(stmt=stmt_numpy_empty, setup=setup, number=1000)))

輸出結果如下：

numpy.zeros:2.918427
numpy.empty:1.536704

可以看到，numpy.empty明顯比numpy.zeros快。

四、numpy.empty的應用

（1）numpy.empty與數組的賦值

numpy.empty可以用於數組的賦值。如果需要在循環中使用numpy數組，numpy.empty會更快。

import numpy as np
a = np.empty([2,2], dtype=int)
for i in range(2):
    for j in range(2):
        a[i][j] = i+j
print(a)

輸出結果如下：

array([[0, 1],
       [1, 2]])

除了可以使用數組索引進行賦值，還可以通過花式索引（fancy indexing）進行賦值。

import numpy as np
a = np.empty([3,3], dtype=int)
a[1] = [1, 2, 3]
a[2] = [4, 5, 6]
print(a)

輸出結果如下：

array([[         0,          1,          1],
       [         1,          2,          3],
       [         4,          5,          6]])

（2）numpy.empty的數組拼接

numpy.empty可以用於數組的拼接。使用numpy.vstack()和numpy.hstack()函數進行數組拼接。

import numpy as np
arr1 = np.empty([3,3], dtype=int)
arr2 = np.empty([3,3], dtype=int)
arr1[:] = 1
arr2[:] = 2

print(arr1)
print(arr2)

res1 = np.vstack((arr1, arr2))
res2 = np.hstack((arr1, arr2))

print(res1)
print(res2)

輸出結果如下：

array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])
array([[2, 2, 2],
       [2, 2, 2],
       [2, 2, 2]])
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1],
       [2, 2, 2],
       [2, 2, 2],
       [2, 2, 2]])
array([[1, 1, 1, 2, 2, 2],
       [1, 1, 1, 2, 2, 2],
       [1, 1, 1, 2, 2, 2]])

（3）numpy.empty的數組轉置

numpy.empty可以用於數組的轉置。使用numpy.transpose()函數進行數組的轉置運算。

arr = np.empty([3,3], dtype=int)
arr[:] = 1
print(arr)
res = np.transpose(arr)
print(res)

輸出結果如下：

array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])

總結

numpy.empty是numpy中非常實用的函數之一。它創建一個指定形狀和dtype的新數組，並將其分配給新的內存塊，但是不會初始化數組元素。因此，numpy.empty速度非常快，因為它不需要初始化數組。

numpy.empty不會為數組元素進行初始化，數組元素的值為未知值。可以使用數組索引或花式索引對數組元素進行賦值。還可以通過numpy.vstack()和numpy.hstack()函數進行數組的拼接，也可以使用numpy.transpose()函數進行數組的轉置運算。在循環中使用numpy.empty會更快。