Создать numpy массив массивов с ведущими нулями и различными начальными и конечными точками

Question

У меня есть разные целочисленные начальные и конечные значения, и мне нужны все целочисленные значения между ними как массивы в одном массиве формы (theRange, finalLength).

Пример:

finalLength = 6
start = 2
stop = 3456
theRange = (stop - start) + 1


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

>>> array.shape (3455, 6)

Поскольку мне нужно запустить эту функцию миллиарды раз, текущий путь - замедление.

В данный момент я создаю желаемый диапазон, используя np.linspace. Целые числа разбиваются на цифры следующим образом ( Деление целого числа на цифры с использованием numpy.

Если число цифр наибольшего числа не равно finalLength, добавляются начальные нули. Наконец, результирующий массив переворачивается и транспонируется в желаемый выходной формат. Я думаю, что целочисленное разбиение и транспозиция занимают больше всего времени вычислений.

Время увеличивается с увеличением finalLength: Timeit 10000 повторений

finalLength = 6 -> время: 2.815263898999546

finalLength = 12 -> время: 4.158567378000043

finalLength = 24 -> время: 5.038266787999419

Есть ли более быстрый способ создания окончательного массива?

Воспроизводимый код:

import numpy as np

finalLength = 6
start = 2
stop = 3456
theRange = (stop - start) + 1

def makeRangeArray(start, stop, theRange, finalLength):
    # create integers within range
    ll = np.array(np.linspace(start=start, stop=stop, num=theRange), dtype=np.int64)

    # split integers into arrays
    b = 10
    n = np.ceil(np.max(np.log(ll) / np.log(b))).astype(np.int64)
    d = np.arange(n)
    d.shape = d.shape + (1,) * ll.ndim
    out = ll // b ** d % b

    # add leading zeros if necessary
    if finalLength - out.shape[0] != 0:
        addZeros = np.zeros([finalLength - out.shape[0], out.shape[1]], dtype=np.int64)
        out = np.append(out, addZeros, axis=0)  # insert zeros at the end of array

    # flip
    out = np.flip(out, axis=0)

    # transpose to desired final output format
    aaa = out.transpose().reshape((theRange, finalLength))

    return aaa