Question

最近，我遇到了使用numpy.transpose代替numpy.ndarray.T的人。我很好奇所以我计时了：

from timeit import timeit
import numpy as np

array1015 = np.random.rand(10,15)

def nptrans():
    np.transpose(array1015)

def npt():
    array1015.T

print(timeit(nptrans))
print(timeit(npt))

结果是：

np.transpose: 1.25864219666

np.ndarray.T: 0.720939874649

为什么呢？他们不应该在引擎盖下做同样的事情吗？也许np.transpose正在进行某种错误检查或者会减慢它的速度？

Answer 1

首先，操作如此之快，如果在那里进行优化并不重要！

%timeit nptrans()  # 100000 loops, best of 3: 2.11 µs per loop
%timeit npt()      # 1000000 loops, best of 3: 905 ns per loop

优化这一点没有意义，除非你要做数百万次转座而不做其他事情。即使添加它们也要慢得多：

%timeit array1015 + array1015  # 100000 loops, best of 3: 3.55 µs per loop

添加应该是真的，真的快！

但是np.transpose中存在一些np.ndarray.T中没有的开销：

np.transpose最后调用对象.transpose - 方法，这意味着它必须查找对象的方法并调用它。
为了避免重复他们的代码，开发人员打包了一个实际调用该方法的函数。 =＆GT;还有一个函数调用。

所以你看到的开销是2个函数调用和getattr - 调用的结果。 np.transpose function实际上是python，所以你可以很容易地看到开销（我删除了注释）：

def transpose(a, axes=None):
    return _wrapfunc(a, 'transpose', axes)  # extra function call

def _wrapfunc(obj, method, *args, **kwds):
    try:
        return getattr(obj, method)(*args, **kwds)  # here it finally calls ndarray.transpose()
    except (AttributeError, TypeError):
        return _wrapit(obj, method, *args, **kwds)

为什么numpy.ndarray.T比numpy.transpose（numpy.ndarray）快得多？

1 个答案: