如何快速向NumPy数组批量赋值？大维度数组构建优化问询

我在处理一个机器学习问题，需要构建一个维度为m x n x p的数组。具体来说，m代表位置数量，n是时间窗口数，每个时间窗口的观测值对应p个特征。

我的数据存储每次只能返回单个位置的数据，也就是尺寸为1 x n x p的数组，但预测环节需要把所有数据整合成一个m x n x p的单个数组。当p值相对较小时，常规赋值方法的速度足够快；但当p值很大时，这类操作会明显变慢。

示例代码如下：

In [44]: A = np.arange(4800000000, dtype=np.float32).reshape(20,30,8000000)

In [45]: x = np.random.randn(30, 8000000)

In [46]: %timeit A[0,:] = x
39.5 ms ± 2.37 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

单次赋值40毫秒看似不多，但当m为100时，仅这一项简单操作就需要4秒。有没有更快的数组构建方式？

内容的提问来源于stack exchange，提问作者josephkibe