質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.34%

  • Python

    9134questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • NumPy

    504questions

    NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

多次元配列でのnp.appendをlist appendを用いて高速化したい

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 647

loreeeee

score 16

以下のコードは(z, y, x) = (1,100,200)の配列をz方向に100回appendするコードです.
n_loops = 100で実行時間は0.15[sec]なのですが,配列サイズを大きくしたり,n_loops=10000にすると途方もない時間がかかってしまいます.
そこでnp.appendをlist appendに変換すると早いと知り実装しようとしたのですが,list appendではaxisの指定が分からずとまってしまいました.
どなたか教えていただけないでしょうか?

import time
import numpy as np

data = np.empty((1,100,200))
n_loops = 100

#np.append                                                                                                
start_time = time.time()
for _ in range(n_loops):
    bbb = np.random.randint(low=1, high=5,size=1*100*200).reshape(1,100,200)
    data = np.append(data, bbb, axis=0)
end_time = time.time()

print(str(end_time - start_time) + ' [sec]') #print calculation time   
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • ozwk

    2018/07/03 15:44

    最初から(n_loops,100,200)の配列を用意すれば良いんじゃないですかね

    キャンセル

  • loreeeee

    2018/07/03 15:53 編集

    元のデータの配列サイズが実際にはさらに巨大なため,handlingしやすいように元データは小分けにしている事情があります.

    キャンセル

回答 1

checkベストアンサー

+3

そこでnp.appendをlist appendに変換すると早いと知り

誰だ、そんなこと言ったの・・・まあ確かに、ループのたびにオブジェクト作り直しで足していくよりは速いかもしれませんが。

「最初から(n_loops,100,200)の配列を用意すれば良い」という指摘がすでに上がっていますが、とりあえず、配列の連結がどうしても必要なら、

import time
import numpy as np

data = np.empty((1,100,200))
n_loops = 1000

# np.append                      
start_time = time.time()
for _ in range(n_loops):
    bbb = np.random.randint(low=1, high=5,size=1*100*200).reshape(1,100,200)
    data = np.append(data, bbb, axis=0)
end_time = time.time()
print(data.shape)
print(str(end_time - start_time) + ' [sec]') #print calculation time   
""" =>
(1001, 100, 200)
25.065351009368896 [sec]
"""

# listに入れてまとめてnp.concatenate
start_time = time.time()
lst = []
for _ in range(n_loops):
    bbb = np.random.randint(low=1, high=5,size=1*100*200).reshape(1,100,200)
    lst.append(bbb)
data = np.concatenate(lst, axis=0)
end_time = time.time()

print(data.shape)
print(str(end_time - start_time) + ' [sec]') #print calculation time   
""" =>
(1000, 100, 200)
0.22292709350585938 [sec]
"""

listに入れておいて、最後にまとめてnp.concatenateを呼ぶ。これで実用的な速度になるでしょう。

 追記

# 空の配列を先に定義しておく
data = np.empty((n_loops,100,200))
start_time = time.time()
for i in range(n_loops):
    bbb = np.random.randint(low=1, high=5,size=1*100*200).reshape(1,100,200)
    data[i] = bbb
end_time = time.time()

print(data.shape)
print(str(end_time - start_time) + ' [sec]') #print calculation time   
""" =>
(1000, 100, 200)
0.16308903694152832 [sec]
"""


こっちの方が速い・・・かな?

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/03 16:16

    例えばこことかですかね。 https://deepage.net/features/numpy-append.html

    キャンセル

  • 2018/07/03 16:37 編集

    なるほど。まあ、意図してることはわかりますが、最適な方法かと言われると微妙な気が・・・

    キャンセル

  • 2018/07/03 16:40 編集

    可変長の要求がなければ、今追記に書いた方法の方が微妙に良さそうです。メモリ消費も約半分で済みそうですし

    キャンセル

  • 2018/07/03 17:39

    hayataka2049さん,丁寧に回答して頂きありがとうございます.np.concatenateの方法で解決できました.横レスで申し訳ないのですが,メモリ消費量が半分で済むとありますが,メモリの消費量はどうやって確認できるのでしょうか?

    キャンセル

  • 2018/07/03 17:45

    memory_profilerなどのメモリプロファイラを回すと見れます

    キャンセル

  • 2018/07/03 17:49

    ありがとうございます.一度確認してみます.

    キャンセル

  • 2018/07/03 17:58

    手元でも今やってみて、確かに減ることは確認しました。1つのコード内に複数の関数を定義して書くとちょっと面倒くさいので、ファイルを分けた方が無難っぽいです

    キャンセル

  • 2018/07/03 21:07

    > https://deepage.net/features/numpy-append.html
    これはもはや悪質ですね…

    同じようなネタを一つ。
    np.arrayよりlistの方が和の計算がはやいです。
    import time
    import numpy as np

    n = 100000
    a = np.arange(n)
    b = list(range(n))

    s = time.time()
    ans = sum(a)
    print(time.time() - s) -> 0.011241912841796875 s

    s = time.time()
    ans = sum(b)
    print(time.time() - s) -> 0.0017781257629394531 s

    理由はnp.sumを使っていないので、np.arrayを一度listにキャストしています。

    s = time.time()
    ans = np.sum(a)
    print(time.time() - s) -> 0.00035858154296875 s

    ネットの情報は鵜呑みにしてはいけない…

    キャンセル

  • 2018/07/04 12:39

    mkgreiさん,補足ありがとうございます.なるほど,型を意識してコードを組まないと余計に遅くなってしまうのですね...

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.34%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る

  • Python

    9134questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • NumPy

    504questions

    NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。