Question

我正在使用IPython的ipcluster引擎进行简单的蒙特卡罗模拟练习。根据我定义函数的方式，我注意到执行时间的巨大差异，我问的原因是什么。以下是详细信息：

当我确定如下任务时，它很快：

def sample(n):
    return (rand(n)**2 + rand(n)**2 <= 1).sum()

并行运行时：

from IPython.parallel import Client
rc = Client()
v = rc[:]
with v.sync_imports():
from numpy.random import rand
n = 1000000

timeit -r 1 -n 1 print 4.* sum(v.map_sync(sample, [n]*len(v))) / (n*len(v))

3.141712
1 loops, best of 1: 53.4 ms per loop

但如果我将功能更改为：

def sample(n):
    return sum(rand(n)**2 + rand(n)**2 <= 1)

我明白了：
3.141232 1个循环，最好是每循环1：3.81秒

...这比你慢了71倍。这可能是什么原因？

Answer 1

我不能太深入，但它更慢的原因是因为sum(<array>)是内置的CPython求和函数，而你的<numpy array>.sum()正在使用numpy sum函数，比内置的python版本快得多。

如果您将sum(<array>)替换为numpy.sum(<array>)

，我想您会得到类似的结果

在此处查看numpy sum文档：http://docs.scipy.org/doc/numpy/reference/generated/numpy.sum.html

执行时间差异基于IPython上的sum（）

1 个答案: