平方和 - np.inner首先平方，然后求和

Question

我很惊讶，调用np.inner来计算平方和比在预先计算的正方形数组上调用np.sum快约5倍：

对此行为的任何见解？我实际上对一个正方形的快速实现感兴趣，所以这些想法也是受欢迎的。

Answer 1

要检查实施了哪些模块np.inner和np.sum，请输入

>>> np.inner.__module__
'numpy.core.multiarray'
>>> np.sum.__module__
'numpy.core.fromnumeric'
>>> np.__file__
'/Users/uweschmitt/venv_so/lib/python3.5/site-packages/numpy/__init__.py'

如果检查实际文件，可以看到numpy.core.multiarray是纯C模块，而numpy.core.fromnumeric在第二个Python函数之前首先在Python中进行一些检查和转换，然后是纯C实现调用实际总和。

我怀疑Python解释器的这一开销解释了观察到的时序差异。

为了证明我的假设，我使用更大的数组运行时间并获得

In [8]: a = np.random.random(1000000)
In [9]: %timeit np.inner(a, a)
1000 loops, best of 3: 673 µs per loop
In [10]: %timeit np.sum(a)
1000 loops, best of 3: 584 µs per loop

现在运行时间非常相似，如果重复这些语句会稍微改变一下，有时np.sum获胜，somtimes np.inner。

对于大数组，np.sum的实际工作是在C中完成的，并且Python解释器的常量时间开销可以忽略不计。