如何高效将已有NumPy数组设为0且不创建新数组？

嘿，先纠正你代码里的一个小错误：np.zeros_like(x.shape)是不正确的——zeros_like的参数需要是一个NumPy数组，而不是形状元组，正确的写法应该是np.zeros_like(x)。不过正如你所说，这种方式确实会创建一个新的零数组，然后让变量x指向这个新数组，旧数组会被标记为垃圾回收，在频繁调用的优化例程里，这种内存分配和回收的开销确实没必要。

下面是几种无需创建新数组的原地设零方法，效率更高，适合你的场景：

• x.fill(0)：这是NumPy数组原生的原地填充方法，直接将数组的所有元素覆盖为0，完全不需要额外的内存分配，执行速度非常快，语法也简洁直观。
• x[:] = 0：利用切片赋值的特性，对整个数组的切片进行赋值操作，这也是原地修改的方式，不会生成新数组。对于多维数组，这种写法同样有效，NumPy会自动处理所有维度的元素。
• x[...] = 0：和切片赋值原理一致，用省略号...表示匹配数组的所有维度，对于高维数组（比如你这里的5维数组），这种写法的可读性会更好一些，效果和x[:] = 0完全相同。

举个实际的例子，替换你原来的代码：

import numpy as np
x = np.random.rand(3, 3, 3, 3, 3) # 生成随机数据
x.fill(0) # 原地设零，无新数组创建

这些原地操作的优势在于，它们直接修改原数组的内存内容，避免了新数组的内存分配和旧数组的垃圾回收步骤，在频繁调用的循环或优化例程中，能显著降低开销，提升整体性能。

内容的提问来源于stack exchange，提问作者Luca