MATLAB比Python更快吗？

Question

我想使用Biot–Savart law计算某些导体的磁场，我想使用1000x1000x1000矩阵。在我使用MATLAB之前，现在我想使用Python。 Python比MATLAB慢吗？如何让Python更快？

编辑： 也许最好的方法是用C / C ++计算大数组，然后将它们转移到Python。我想用VPython想象一下。

EDIT2：在我的情况下哪个更好：C还是C ++？

Answer 1

您可以在此链接的底部找到一些有用的结果

http://wiki.scipy.org/PerformancePython

从介绍中，

  

编织与NumPy，Pyrex，Psyco，Fortran（77和90）和C ++的比较，用于求解拉普拉斯方程。

它还比较了MATLAB，并且似乎表现出与使用Python和NumPy时相似的速度。

当然这只是一个具体的例子，你的应用程序可能会允许更好或更差的性能。在两者上运行相同的测试并进行比较没有任何害处。

您还可以使用优化的库编译NumPy，例如ATLAS，它提供了一些BLAS / LAPACK例程。这些应该与MATLAB的速度相当。

我不确定NumPy下载是否已针对它构建，但我认为如果您编译NumPy，ATLAS会将库调整到您的系统，

http://www.scipy.org/Installing_SciPy/Windows

该链接提供了有关Windows平台所需内容的更多详细信息。

编辑：

如果你想知道什么表现更好，C或C ++，可能值得问一个新问题。虽然从上面的链接C ++有最好的表现。其他解决方案也非常接近，即Pyrex，Python / Fortran（使用f2py）和内联C ++。

我在C ++下唯一的矩阵代数是使用MTL并实现扩展卡尔曼滤波器。我想，但实质上它取决于您使用LAPACK / BLAS的库以及它的优化程度。

此链接包含许多语言的面向对象数字包的列表。

http://www.oonumerics.org/oon/

Answer 2

NumPy和MATLAB都使用标准线性代数运算的基础BLAS实现。有一段时间都使用ATLAS，但现在MATLAB显然还带有其他实现，如英特尔的Math Kernel Library（MKL）。哪一个更快取决于系统以及如何编译BLAS实现。您还可以使用MKL编译NumPy，Enthought正在为他们的Python发行版支持MKL（请参阅他们的roadmap）。这也是最近的interesting blog post。

另一方面，如果您需要更专业的操作或数据结构，那么Python和MATLAB都为您提供了各种优化方法（如Cython，PyCUDA，...）。

编辑：我更正了这个答案，以考虑不同的BLAS实现。我希望现在能够公平地反映现状。

Answer 3

唯一有效的测试是对它进行基准测试。这实际上取决于您的平台是什么，以及Biot-Savart Law如何映射到Matlab或NumPy / SciPy内置操作。

至于加快Python的速度，谷歌正在开发Unladen Swallow，一个用于Python的JIT编译器。可能还有其他像这样的项目。

Answer 4

根据您的编辑2，我强烈建议您使用Fortran，因为您可以利用可用的线性代数子程序（Lapack和Blas），并且它比C / C ++更简单，用于矩阵计算。

如果您更喜欢使用C / C ++方法，我会使用C，因为您可能需要在可能简单的界面上进行原始性能（矩阵计算往往具有简单的接口和复杂的算法）。

但是，如果您决定使用C ++，则可以使用TNT（模板数值工具包，Lapack的C ++实现）。

祝你好运。

Answer 5

如果您只是使用Python（使用NumPy），它可能会更慢，具体取决于您使用的是哪些部分，是否安装了优化的线性代数库，以及您如何知道如何利用NumPy。

为了加快速度，您可以做一些事情。有一个名为Cython的工具允许您向Python代码添加类型声明并将其转换为C语言中的Python扩展模块。这对您有多大好处取决于您对类型声明的勤勉程度 - 如果你根本不添加任何东西，你将看不到任何好处。 Cython也支持NumPy类型，尽管这些类型比其他类型更复杂。

如果你有一个好的显卡并愿意学习一点GPU计算，PyCUDA也可以提供帮助。 （如果你没有nvidia显卡，我听说还有一个PyOpenCL正在开发中）。我不知道你的问题域，但如果它可以映射到CUDA问题，那么它应该能够很好地处理你的10 ^ 9元素。

Answer 6

这是基于一些线性代数函数的MATLAB和NumPy / MKL之间的更新“比较”：

http://dpinte.wordpress.com/2010/03/16/numpymkl-vs-matlab-performance/

点积不是那么慢; - ）

Answer 7

我还想指出Python（+ NumPy）可以通过F2Py模块轻松地与Fortran进行交互，这基本上可以让您在卸载到它的代码片段中使用Fortran本机速度。

Answer 8

我找不到太多难以回答同样问题的数据，所以我继续自己做了测试。所使用的结果，脚本和数据集都可以在MATLAB vs Python speed for vibration analysis上的帖子中找到。

长话短说，MATLAB中的FFT函数比Python好，但你可以做一些简单的操作来获得可比较的结果和速度。我还发现，与MATLAB相比，Python中的导入数据 更快 （即使对于使用scipy.io的MAT文件）。