1

Numpy 应该很快。但是，当将 Numpy ufunc 与标准 Python 函数进行比较时，我发现后者要快得多。

例如，

aa = np.arange(1000000, dtype = float)
%timeit np.mean(aa) # 1000 loops, best of 3: 1.15 ms per loop
%timeit aa.mean # 10000000 loops, best of 3: 69.5 ns per loop

我使用其他 Numpy 函数（如 max、power）得到了类似的结果。我的印象是 Numpy 有一个开销，这使得小型阵列的运行速度较慢，但​​大型阵列的运行速度更快。在上面的代码中 aa 并不小：它有 100 万个元素。我错过了什么吗？

当然，Numpy 很快，只是功能看起来很慢：

bb = range(1000000)
%timeit mean(bb) # 1 loops, best of 3: 551 ms per loop
%timeit mean(list(bb)) # 10 loops, best of 3: 136 ms per loop
4

2 回答 2

6

其他人已经指出，您的比较不是真正的比较（您没有调用函数+两者都是 numpy）。
但是要回答“numpy 函数慢吗？”这个问题。：一般来说，不，numpy 函数并不慢（或不比普通 python 函数慢）。当然，还有一些旁注：

  • “慢”取决于您与什么进行比较，它总是可以更快。使用诸如cython、numexpr、numba、调用 C 代码……等等之类的东西，在许多情况下肯定有可能获得更快的结果。
  • Numpy 有一定的开销，这在某些情况下可能很重要。例如，正如您已经提到的，numpy 在小型数组和标量数学上可能会更慢。有关这方面的比较，请参阅例如，NumPy 的数学函数是否比 Python 的更快？

要进行您想要进行的比较：

In [1]: import numpy as np
In [2]: aa = np.arange(1000000)
In [3]: bb = range(1000000)

对于mean（注意，python 标准库中没有 mean 函数：Calculating算术平均值（平均值）在 Python 中）：

In [4]: %timeit np.mean(aa)
100 loops, best of 3: 2.07 ms per loop

In [5]: %timeit float(sum(bb))/len(bb)
10 loops, best of 3: 69.5 ms per loop

对于 max，numpy 与普通 python：

In [6]: %timeit np.max(aa)
1000 loops, best of 3: 1.52 ms per loop

In [7]: %timeit max(bb)
10 loops, best of 3: 31.2 ms per loop

最后一点，在上面的比较中，我aa对 numpy 函数使用了一个 numpy 数组 () bb，对普通的 python 函数使用了一个列表 ()。如果您使用带有 numpy 函数的列表，在这种情况下它会再次变慢：

In [10]: %timeit np.max(bb)
10 loops, best of 3: 115 ms per loop

因为列表首先转换为数组（这会消耗大部分时间）。因此，如果您想在应用程序中依赖 numpy，则使用 numpy 数组来存储数据非常重要（或者如果您有一个列表，请将其转换为数组，因此该转换只需执行一次）。

于 2013-08-05T11:38:10.763 回答
5

你没有打电话aa.mean。将函数调用括号放在最后，真正调用它，速度差异将几乎消失。（两者np.mean(aa)都是aa.mean()NumPy；两者都不使用 Python 内置函数来计算。）

于 2013-08-05T01:57:04.163 回答