索引numpy记录数组非常慢

Question

看起来索引带有索引数组的numpy记录数组的速度非常慢。但是，可以使用np.view 10-15倍的速度执行相同的操作。

这种差异背后有原因吗？为什么不以更快的方式实现记录数组的索引？ （另见sorting numpy structured and record arrays is very slow）

mydtype = np.dtype("i4,i8")
mydtype.names = ("foo","bar")
N = 100000

foobar = np.zeros(N,dtype = mydtype)
foobar["foo"] = np.random.randint(0,100,N)
foobar["bar"] = np.random.randint(0,10000,N)

b = np.lexsort((foobar["foo"],foobar["bar"]))

timeit foobar[b]
100 loops, best of 3: 11.2 ms per loop

timeit foobar.view("|S12")[b].view(mydtype)
1000 loops, best of 3: 882 µs per loop

显然，两个结果都给出了相同的答案。

Answer 1

如https://stackoverflow.com/a/23303357/901925中所述，

take甚至比双视图方法更快：

np.take(foobar,b)

实际上它和

一样快

foobar['foo'][b]

如果你想深入挖掘源代码，

https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/item_selection.c是一个起点。

我的猜测是__getitem__的实施方式会导致这种差异。也许作为早期记录处理的残余，当dtype混合时（以及高级索引），它会采用不同的路径。

布尔掩码索引似乎不受此减速的影响。基本切片索引也是如此。