在Python中複製二維數組的最快方法是什麼？

Question

我必須在R*C網格上進行大量的模擬。

這些模擬正在改變網格，所以我需要在每個網格之前複製我的參考網格，然後在新的新網格上應用我的模擬功能。

在Python中這樣做的最快方法是什麼？

---

因爲我還沒有發現過類似的問題在計算器上，我做了測試自己，並決定在這裏發表他們認爲他們可能會向其他人有用。

答案將是社區響應，以便其他人可以使用其他技術添加新測量。

如果您添加其他方法，請記住測量所有舊測試並更新它們，因爲時間取決於使用的計算機，請避免偏差結果。

Answer 1

我用一個bash變量用於設置timeit測試：

setup=""" 
R = 100 
C = 100 
from copy import deepcopy 
import numpy as np 
ref = [[i for i in range(C)] for _ in range(R)] 
ref_np = np.array(ref) 
cp = [[100 for i in range(C)] for _ in range(R)] 
cp_np = np.array(cp) 
""" 

只是爲了方便起見，我還設置一個臨時別名pybench：

alias pybench='python3.5 -m timeit -s "$setup" $1' 

---

Python 3中

Python 3.5 。0+（默認，二○一五年十月一十一日，9點05分38秒）

• deepcopy的：

  >>> pybench "cp = deepcopy(ref)" 
  100 loops, best of 3: 8.29 msec per loop 
  

• 修改預先創建的陣列使用指數：

  >>> pybench \ 
  "for y in range(R): 
      for x in range(C): 
       cp[y][x] = ref[y][x]" 
  1000 loops, best of 3: 1.16 msec per loop 
  

• 嵌套列表理解：

  >>> pybench "cp = [[x for x in row] for row in ref]" 
  1000 loops, best of 3: 390 usec per loop 
  

• 切片：

  >>> pybench "cp = [row[:] for row in ref]" 
  10000 loops, best of 3: 45.8 usec per loop 
  

• NumPy的複製：

  >>> pybench "cp_np = np.copy(ref_np)" 
  100000 loops, best of 3: 6.03 usec per loop 
  

• 複製到預創建的NumPy的數組：

  >>> pybench "np.copyto(cp_np, ref_np)" 
  100000 loops, best of 3: 4.52 usec per loop 
  

---

沒有什麼在這些結果非常令人驚訝的是，正如你可能已經猜到了，使用NumPy的是巨大的更快，特別是如果以避免創建新表每次。