12

numpy.divide和 Python 斜杠/运算符有什么异同？据我所知，它们的行为相同，都实现了元素划分。Numpy 文档提到：

numpy.divide(x1, x2) ... 在数组广播方面相当于 x1 / x2。...

暗示 np.divide(x1, x2) 不完全等同于 x1 / x2。我运行了以下代码段来比较它们的速度：

import numpy as np
import time

a = np.random.rand(10000, 10000)
b = np.random.rand(10000, 10000)

tic = time.time()
c = a / b
toc = time.time()
print("Python divide took: ", toc - tic)

tic = time.time()
c = np.divide(a, b)
toc = time.time()
print("Numpy divide took: ", toc - tic)

看起来 Python 分界线通常运行得更快，这让我相信 Numpy 分界线实现了一些额外的花里胡哨。

任何帮助深表感谢！

4

1 回答 1

18

这里似乎没有任何实际的性能差异。

当我运行您的代码并交换两个测试时，无论哪个第二个都会更快。

当我timeit用于正确的基准测试时，它们大约需要相同的时间（540ms/与 539ms divide）。

我的猜测是，您测量的差异是 malloc 数组的时间——第一个需要这样做，第二个可以重用刚刚释放的内存。

但是让我们看看源头。中的代码generate_umath.py创建实际代码，并将相同的Ufunc（命名为numpy.core.umath.divide）分配np.floor_divide给. （如果您想知道为什么我在使用and而不是and时查找，请参阅稍后为 Python 3 删除的注释，因为它将别名为。） IIRC，实际代码是类型和最终出现在.PyNumber_FloorDividenp.ndarrayfloor_dividedivide/floor_divide//dividetrue_divideloops.c.src

因此，除了显式 Ufunc 包装器代码与内置method-wrapper包装器代码的差异（这对于任何不小的数组都无关紧要）之外，它们最终会出现在同一个地方。

于 2018-03-24T00:08:44.263 回答