NumPy中的empty函数是什么？它与zeros函数有何区别？

首先先澄清常见认知偏差：

你听到的“empty会返回内存中原有存储值构成的数组”是绝大多数运行场景下的实际表现，但这并不是NumPy对empty函数的强制行为约定，只是它的实现逻辑带来的附带结果，不能当成可依赖的固定特性。

两者的核心差异可以归为三类：

• 初始化逻辑完全不同
  • 调用zeros创建数组时，NumPy在向系统申请到对应大小的内存块之后，会逐字节把内存位全部设置为对应数据类型的0值：数值类型是0，布尔类型是False，字符串类型是空值，返回的数组所有元素值都是确定、可预期的。
  • 调用empty创建数组时，NumPy只做内存申请的动作，完全跳过所有初始化写入步骤，不会对拿到的内存块做任何修改。你看到的所谓“内存原有值”，就是这块内存之前被其他程序使用、释放后残留的比特数据，NumPy既不清理也不校验这些值是什么；在极少数特殊的内存分配策略下，empty甚至可能返回全0的数组，只是这种情况概率极低，不能作为使用依据。
• 性能差距明显
  • zeros的运行耗时和数组大小正相关：因为要给整块内存写0值，数组越大，写入耗时越长。
  • empty不需要做任何内存写入操作，不管申请多大尺寸的数组，耗时都只有内存分配的固定极小开销，是NumPy所有数组构造方法里速度最快的。
• 使用风险和适用场景不同
  • zeros没有值不确定的风险，直接用就可以，适合所有需要初始值为0的计算场景。
  • empty只有在你创建数组之后，马上会给所有元素逐一赋值覆盖的场景下才适合用，绝对不能直接读取empty生成的数组元素参与计算——残留值完全不可控，会直接导致计算结果出错。

可以用小段代码直观验证差异：

import numpy as np

# zeros输出永远是固定全0
print(np.zeros((2, 2), dtype=int))
# 输出固定：
# [[0 0]
#  [0 0]]

# empty输出无固定值，每次运行结果都可能变化
print(np.empty((2, 2), dtype=int))
# 某次运行的输出示例（你跑的时候大概率得到完全不同的值）：
# [[4607182418800017408 4607182418800017408]
#  [4607182418800017408 4607182418800017408]]

内容的提问来源于stack exchange，提问作者Harsh Thakkar