python代码改变数组数值效率思考与实现

提出问题：一组1000万个0-100的整数序列，用他来生成一个新序列，要求如果原本序列中是奇数就不变，偶数变成它的一半。

本文列出多种方法来实现。

1、for循环

import numpy as np
# 创建一个包含1000万个0-100的整数的NumPy数组
arr = np.random.randint(0, 101, size=10**7)
new_arr = []
# 使用for循环生成新序列
for i in arr:
    if i % 2 == 0:
        new_arr.append(i / 2)
    else:
        new_arr.append(i)

使用一个for循环遍历arr中的每个元素。对于每个元素，如果它是偶数（即i % 2 == 0），则将其除以2（即i / 2）并添加到新序列new_arr中；否则（即奇数），直接将其添加到新序列中。

2、列表解析式

import numpy as np
# 创建一个包含1000万个0-100的整数的NumPy数组
arr = np.random.randint(0, 101, size=10**7)
# 使用列表推导式和for循环生成新序列  
new_arr = [i if i % 2 == 1 else i / 2 for i in arr]

它使用一个列表推导式和for循环遍历arr中的每个元素。对于每个元素，如果它是奇数（即i % 2 == 1），则保持不变；否则（即偶数），将其除以2（即i / 2）。最后，将生成的新序列存储在new_arr中 

3、numpy.where方式

import numpy as np
# 创建一个包含1000万个0-100的整数的NumPy数组
arr = np.random.randint(0, 101, size=10**7)
# 使用NumPy的布尔索引来过滤出偶数，并取一半
new_arr = np.where(arr % 2 == 0, arr / 2, arr)

我们使用np.where函数来根据条件对数组中的元素进行替换。如果元素是偶数（即arr % 2 == 0为True），则将其值减半（arr / 2）；如果元素是奇数（即条件为False），则保持原值（arr）。由于NumPy的矢量化操作，这个过程非常高效。

4、使用了整数除法（//）代替浮点除法（/）

import numpy as np
# 创建一个包含1000万个0-100的整数的NumPy数组
arr = np.random.randint(0, 101, size=10**7)
# 使用NumPy的布尔索引来过滤出偶数，并取一半
new_arr = np.where(arr % 2 == 0, arr // 2, arr)

我们使用了整数除法（//）而不是浮点除法（/）。整数除法会返回商的整数部分，因此可以直接将偶数转换为它的一半，而不需要进行额外的类型转换。这可以稍微提高计算效率。

5、使用Cython加速

import numpy as np
cimport numpy as np
def process_array(arr):
    cdef int[:] new_arr_view = arr.copy()
        for i in range(new_arr_view.shape[0]):
            if new_arr_view[i] % 2 == 0:
                new_arr_view[i] = new_arr_view[i] // 2
return new_arr_view
# 创建一个包含1000万个0-100的整数的NumPy数组
arr = np.random.randint(0, 101, size=10**7)
# 使用Cython加速处理数组
new_arr = process_array(arr)

使用了Cython的cimport语句来导入NumPy库，并使用cdef语句来定义一个新的NumPy数组new_arr_view，它是原始数组的副本。然后，我们使用一个循环来遍历新数组的每个元素，并根据条件将其转换为一半或保持不变。最后，我们返回处理后的新数组。

需要注意的是，为了使用Cython加速代码，您需要安装Cython库并使用Cython编译器将其编译成C代码。另外，由于Cython生成的C代码是静态编译的，因此它可能不适合所有情况。

6、使用Numba编译器编译python代码为机器码

from numba import njit
import numpy as np
@njit
def process_array(arr):
    new_arr = np.empty_like(arr)
    for i in range(arr.shape[0]):
        if arr[i] % 2 == 0:
            new_arr[i] = arr[i] // 2
        else:
            new_arr[i] = arr[i]
    return new_arr
# 创建一个包含1000万个0-100的整数的NumPy数组
arr = np.random.randint(0, 101, size=10**7)
# 使用Numba加速处理数组
new_arr = process_array(arr)

我们使用了Numba的@njit装饰器来标记process_array函数，使其被Numba编译器编译为机器码。然后，我们使用一个循环来遍历原始数组中的每个元素，并根据条件将其转换为一半或保持不变。最后，我们返回处理后的新数组。