如何高效实现NumPy数组的指定值赋值操作？

当然有更高效的方式！你的代码用Python循环给NumPy数组赋值，在数据量较大时会因为Python循环的开销导致效率偏低。NumPy的核心优势就是向量化运算，可以完全避免显式循环，直接生成目标数组，性能提升非常显著。

具体实现方法 #

• 方法一：使用np.arange生成数组
  直接生成从1到df_len的整数序列，再逐元素乘以0.25，和原代码逻辑完全匹配：

  import numpy as np
  temp = np.arange(1, df_len + 1) * 0.25
  

  np.arange(1, df_len+1)会生成[1,2,...,df_len]的数组，乘以0.25后就得到你需要的(i+1)*0.25结果。

• 方法二：使用np.linspace生成等间隔序列
  如果你的目标是生成从0.25开始、步长为0.25的序列，也可以用np.linspace：

  import numpy as np
  temp = np.linspace(0.25, df_len * 0.25, df_len)
  

  linspace会生成包含df_len个元素的数组，起始值为0.25，结束值为df_len*0.25，元素间隔均匀，结果和原代码完全一致。

为什么更高效 #

这两种方法都是NumPy底层用C语言实现的向量化操作，没有Python循环的额外开销。当df_len达到上万甚至百万级时，运行速度会比原代码快几十到上百倍。

比如当df_len=4时，三种方式得到的数组都是array([0.25, 0.5 , 0.75, 1. ])，结果完全一致。

内容的提问来源于stack exchange，提问作者Trevor Philip