numpy vs native Python - 最有效的方式

Question

对于很多函数，可以使用本机Python或numpy来继续。

这是数学函数的情况，可以使用Python本机import math，也可以使用numpy方法。对于数组来说也是这种情况，从numpy和pythons列表推导或元组中得到叙述。

我有两个与Python中的这些功能相关的问题以及numpy

1. 一般情况下，如果方法在本机Python和numpy中可用，那么您更喜欢哪两种解决方案？在效率方面？是不同的，Python和numpy在他们的过程中会有什么不同？

2. 更具体地说，关于数组和处理数组的基本函数，比如sort，concatenate ......，哪种解决方案更有效？什么才能提高效率？

这是一个非常开放和一般性的问题。我想这不会对我的代码产生太大影响，但我只是想知道。

Answer 1

一般而言，避免在两者之间进行转换可能最重要（效率方面）。如果你主要在数据上使用非numpy函数，那么它们将使用标准的Python数据类型在内部运行，因此使用numpy数组会因为需要来回转换而效率低下。

同样，如果您使用大量numpy函数来操作数据，那么将它们全部转换回基本的Python类型也会效率低下。

---

就选择功能而言，使用设计为在您的数据已经存在的形式上运行的任何功能 - 例如如果你已经有一个numpy数组，请使用numpy函数;同样，如果您有基本的Python数据类型，请在其上使用Python函数。 numpy的函数将针对使用numpy的数据类型进行优化。

Answer 2

1. 在使用NumPy数组和数字列表之间做出选择时，前者通常更快。

2. 我不太明白第二个问题，所以不会试图解决它。

Answer 3

您可以对代码段进行基准测试并确定结果。使用python模块timeit：http://docs.python.org/2/library/timeit.html