随着数据科学的快速发展，numpy成为了Python中最重要的科学计算包之一。numpy提供了诸多强大的功能，例如超快速的数学运算和数组处理。其中，numpy.empty是非常实用的函数之一。

一、numpy.empty概述

numpy.empty(shape, dtype=float, order='C')是numpy中的一个函数，它创建一个指定形状和dtype的新数组，并将其分配给新的内存块，但是不会初始化数组元素。因此，numpy.empty速度非常快，因为它不需要初始化数组。 numpy.empty创建一个指定形状和dtype的新数组，并分配内存空间。但是它不会对数组进行初始化，因此数组的元素值是未知的。这是与numpy.zeros和numpy.ones的区别。它们创建一个新数组并初始化为0或1。因此，numpy.empty函数的速度比numpy.zeros或numpy.ones更快。

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

输出结果如下：

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

由于未初始化数组元素，因此数组元素的值为未知值。

二、numpy.empty创建多维数组

numpy.empty也可以创建多维数组。

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

输出结果如下：

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]]])

与二维数组类似，多维数组的元素值也是随机的。

三、numpy.empty的性能优化

numpy.empty比其他创建数组的函数更快，因为它不需要为数组赋初值。 为了测试numpy.empty与numpy.zeros的性能，我们可以使用Python自带的timeit模块。在此之前，我们需要导入模块。

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)))

输出结果如下：

numpy.zeros:2.918427
numpy.empty:1.536704

可以看到，numpy.empty明显比numpy.zeros快。

四、numpy.empty的应用

（1）numpy.empty与数组的赋值

numpy.empty可以用于数组的赋值。如果需要在循环中使用numpy数组，numpy.empty会更快。

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)

输出结果如下：

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

除了可以使用数组索引进行赋值，还可以通过花式索引（fancy indexing）进行赋值。

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

输出结果如下：

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

（2）numpy.empty的数组拼接

numpy.empty可以用于数组的拼接。使用numpy.vstack()和numpy.hstack()函数进行数组拼接。

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)

输出结果如下：

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的数组转置

numpy.empty可以用于数组的转置。使用numpy.transpose()函数进行数组的转置运算。

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

输出结果如下：

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

总结

numpy.empty是numpy中非常实用的函数之一。它创建一个指定形状和dtype的新数组，并将其分配给新的内存块，但是不会初始化数组元素。因此，numpy.empty速度非常快，因为它不需要初始化数组。 numpy.empty不会为数组元素进行初始化，数组元素的值为未知值。可以使用数组索引或花式索引对数组元素进行赋值。还可以通过numpy.vstack()和numpy.hstack()函数进行数组的拼接，也可以使用numpy.transpose()函数进行数组的转置运算。在循环中使用numpy.empty会更快。