Question

Numpy应该很快。但是，在将Numpy ufuncs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

我和其他Numpy函数（如max，power）得到了类似的结果。我的印象是，Numpy的开销会使小型阵列的速度变慢，但对于大型阵列则会更快。在上面的代码中，aa不小：它有100万个元素。我错过了什么吗？

当然，Numpy很快，只有功能似乎很慢：

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

Answer 1

您没有致电aa.mean。将函数调用括号放在最后，实际调用它，速度差几乎消失。（np.mean(aa)和aa.mean()都是NumPy;都不使用Python内置来进行数学计算。）

Answer 2

其他人已经指出你的比较并不是真正的比较（你没有调用函数+两者都是numpy）。
但是要回答问题“numpy函数是否缓慢？”：一般来说，不，numpy函数不慢（或者不比普通的python函数慢）。当然，还有一些附注：

'慢'取决于你的比较，它总是更快。对于cython，numexpr，numba，调用C代码，......等其他内容，在许多情况下，肯定可以获得更快的结果。
Numpy有一定的开销，在某些情况下可能很重要。例如，正如您已经提到的，numpy在小数组和标量数学上可能会变慢。有关此问题的比较，请参阅例如Are NumPy's math functions faster than Python's?

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标准库中没有平均函数：Calculating arithmetic mean (average) in Python）：

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 vs plain 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

作为最后一点，在上面的比较中，我为numpy函数使用了numpy数组（aa），为普通python函数使用了一个列表（bb）。如果你使用带有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（大部分时间消耗）。因此，如果你想在你的应用程序中依赖numpy，那么使用numpy数组来存储数据是很重要的（或者如果你有一个列表，将它转换为一个数组，这样这个转换只需要进行一次）。

Numpy功能是否缓慢？

2 个答案: