Question

与Matlab相比，我正在测试Python的速度。我决定转向Python，因为它有很多优点，但我想比较速度，看看这方面有什么不同。

我测试了一些for循环来填充1000 x 1000矩阵，如下所示：

from numpy import *

sizeM = 1000
y = zeros((sizeM,sizeM))
x = 4
tic = time.clock()

for i in range(sizeM):
    for j in range(sizeM):
        y[i,j] = cos(i*j) + i * sin(x**2);

toc = time.clock()
time = toc-tic

以这种方式

time 5.93 sseconds 。但在Matlab中，使用以下代码只需 0.11秒：

tic
sizeM = 1000;
y = zeros(sizeM);
x =4;
for i = 1:sizeM
     for j = 1:sizeM
         y(i,j) = cos(i*j) + i * sin(x^2);
     end
end

toc

我的问题是：

这是对的吗？

Matlab是否比Python更快地执行嵌套for循环？或者我在这里做错了什么？

感谢您的帮助。

Answer 1

我希望您知道在两种语言中都应该编写矢量化代码！

我相信Matlab有一个及时的加速器，它可能会为这样的表达式提供支持，我不确定如果你在内部循环中调用自己的函数会发生什么。
循环本身并不是一切，大多数时候内部循环内部更重要。因此，如果嵌套循环更慢或更快，整个问题可能通常是错误的问题。
编写NumPy以使用数组。给它这样的标量增加了很多开销，如果你真的想使用浮动标量（你不应该因为你可以对操作进行矢量化），你也可以使用math.sin ......

无论如何，比较矢量化代码：

i, j = np.ogrid[:1000,:1000] # or whatever else you want to use
y = np.cos(i * j) + i * np.sin(x**2)

可能你可以进一步优化它，但这应该没关系。

由于似乎讨论可能从这里开始，我不确定scalars的matlab开销是多少，可能非常小（当然还有成功的JIT），但这可以解释为什么这个代码snipplet可能会因为numpy而变慢。请不要语言比较...

可以安全地说的是，特别是如果JIT在matlab中启动，有必要在NumPy中尝试更难的矢量化（或端口到编译语言，这在两者中都很有效）。

Answer 2

答案是你真的没有在这里测试嵌套循环。大部分时间不会用于循环，而是用于评估循环中的表达式。

如果你想测试循环和填充矩阵，你可以做一些更微不足道的事情：

from numpy import *

sizeM = 1000
y = zeros((sizeM,sizeM))
x = 4
tic = time.clock()

for i in range(sizeM):
    for j in range(sizeM):
        y[i,j] = 1;

toc = time.clock()
time = toc-tic

与：相比：

sizeM = 1000;
y = zeros(sizeM);
x =4;
tic
for i = 1:sizeM
     for j = 1:sizeM
         y(i,j) = 1;
     end
end
toc

Answer 3

JIT compiler有助于优化MATLAB for循环（Python也支持某些形式的JIT编译）。您可以使用feature accel off和feature accel on禁用/启用JIT加速器，然后使用以下代码再次测试。的Python：

import time    
sizeM = 1000

tic = time.clock()

for i in range(sizeM):
   for j in range(sizeM):
      pass

toc = time.clock()
time = toc-tic
print time

Matlab test1：

sizeM = 1000;
tic
for i = 1:sizeM
   for j = 1:sizeM
     ;
   end
end
toc

Matlab test2：

sizeM = 1000;
tic
for i = [1:sizeM]
   for j = [1:sizeM]
     ;
   end
end
toc

如果您愿意，还可以比较range(sizeM)和xrange(sizeM)的速度。

在python和matlab中填充矩阵的速度

3 个答案: