NaNで満たされたnumpy行列を作成する

私は次のコードを持っています：

r = numpy.zeros(shape = (width, height, 9))

width x height x 9ゼロで満たされた行列を作成します。代わりNaNに、簡単な方法でsに初期化する関数または方法があるかどうかを知りたいです。

numpyでのベクトル演算にループが必要になることはほとんどありません。初期化されていない配列を作成して、一度にすべてのエントリに割り当てることができます。

>>> a = numpy.empty((3,3,))
>>> a[:] = numpy.nan
>>> a
array([[ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN]])

私はa[:] = numpy.nanここで、そしてa.fill(numpy.nan)Blaenkによって投稿された代替案の時間を計っています：

$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a.fill(np.nan)"
10000 loops, best of 3: 54.3 usec per loop
$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a[:] = np.nan" 
10000 loops, best of 3: 88.8 usec per loop

タイミングはndarray.fill(..)、より速い代替案としての好みを示しています。OTOH、私は一度にスライス全体に値を割り当てることができるnumpyの便利な実装が好きです。コードの意図は非常に明確です。

注ndarray.fillインプレースその動作を実行し、そのnumpy.empty((3,3,)).fill(numpy.nan)代わりに返されますNone。

別のオプションはnumpy.full、NumPy 1.8+で利用可能なオプションであるを使用することです。

a = np.full([height, width, 9], np.nan)

これはかなり柔軟性があり、必要な他の数値で埋めることができます。

私は提案された速度の代替案を比較し、十分な大きさのベクトル/行列を埋めるには、val * onesとarray(n * [val])を除くすべての代替案が同等に高速であることがわかりました。

プロットを再現するコード：

import numpy
import perfplot

val = 42.0


def fill(n):
    a = numpy.empty(n)
    a.fill(val)
    return a


def colon(n):
    a = numpy.empty(n)
    a[:] = val
    return a


def full(n):
    return numpy.full(n, val)


def ones_times(n):
    return val * numpy.ones(n)


def list(n):
    return numpy.array(n * [val])


perfplot.show(
    setup=lambda n: n,
    kernels=[fill, colon, full, ones_times, list],
    n_range=[2 ** k for k in range(20)],
    logx=True,
    logy=True,
    xlabel="len(a)",
)

知っていnumpy.nanますか？

次のような独自のメソッドを作成できます。

def nans(shape, dtype=float):
    a = numpy.empty(shape, dtype)
    a.fill(numpy.nan)
    return a

その後

nans([3,4])

出力します

array([[ NaN,  NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN,  NaN]])

このコードはメーリングリストのスレッドで見つかりました。

.emptyまたは.fullメソッドをすぐに呼び出さない場合は、常に乗算を使用できます。

>>> np.nan * np.ones(shape=(3,2))
array([[ nan,  nan],
       [ nan,  nan],
       [ nan,  nan]])

もちろん、他の数値でも機能します。

>>> 42 * np.ones(shape=(3,2))
array([[ 42,  42],
       [ 42,  42],
       [ 42, 42]])

しかし、@ u0b34a0f6aeの受け入れられた答えは3倍高速です（numpy構文を記憶するための脳のサイクルではなく、CPUサイクル;）：

$ python -mtimeit "import numpy as np; X = np.empty((100,100));" "X[:] = np.nan;"
100000 loops, best of 3: 8.9 usec per loop
(predict)laneh@predict:~/src/predict/predict/webapp$ master
$ python -mtimeit "import numpy as np; X = np.ones((100,100));" "X *= np.nan;"
10000 loops, best of 3: 24.9 usec per loop

もう1つの方法はnumpy.broadcast_to(val,n)、サイズに関係なく一定の時間で戻る方法であり、メモリ効率が最も高い（繰り返し要素のビューを返す）。注意点は、戻り値は読み取り専用であることです。

以下は、ニコシュレーマーの回答と同じベンチマークを使用して提案された他のすべての方法のパフォーマンスの比較です。

言ったように、numpy.empty（）はその方法です。ただし、オブジェクトの場合、fill（）は、ユーザーが想定しているとおりに動作しない場合があります。

In[36]: a = numpy.empty(5,dtype=object)
In[37]: a.fill([])
In[38]: a
Out[38]: array([[], [], [], [], []], dtype=object)
In[39]: a[0].append(4)
In[40]: a
Out[40]: array([[4], [4], [4], [4], [4]], dtype=object)

たとえば、次のような方法があります。

In[41]: a = numpy.empty(5,dtype=object)
In[42]: a[:]= [ [] for x in range(5)]
In[43]: a[0].append(4)
In[44]: a
Out[44]: array([[4], [], [], [], []], dtype=object)

ここでまだ言及されていないさらに別の可能性は、NumPyタイルを使用することです。

a = numpy.tile(numpy.nan, (3, 3))

また与える

array([[ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN]])

速度比較についてはわかりません。