Question

三个＆＃34;所有＆＃34;之间的区别是什么？ Python / NumPy中的方法？性能差异的原因是什么？ ndarray.all（）总是三者中最快的吗？

这是我跑的时间测试：

In [59]: a = np.full(100000, True, dtype=bool)

In [60]: timeit a.all()
The slowest run took 5.40 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 5.24 µs per loop

In [61]: timeit all(a)
1000 loops, best of 3: 1.34 ms per loop

In [62]: timeit np.all(a)
The slowest run took 5.54 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 6.41 µs per loop

Answer 1

np.all(a)和a.all()之间的区别很简单：

如果a为numpy.array，则np.all()只会致电a.all()。
如果a不是numpy.array，则np.all()来电会将其转换为numpy.array，然后致电a.all()。另一方面，a.all()会失败，因为a不是numpy.array，因此可能没有all方法。

np.all和all之间的差异更为复杂。

all函数适用于任何可迭代（包括list，set，generators，...）。 np.all仅适用于numpy.array s（包括可转换为numpy数组的所有内容，即list和tuple s。
np.all处理具有指定数据类型的array，这使得它在比较!= 0时非常有效。然而，all需要为每个项目评估bool，这要慢得多。
使用python函数处理数组非常慢，因为数组中的每个项都需要转换为python对象。 np.all不需要进行转换。

请注意，时间也取决于a的类型。如果你处理一个python列表all对于相对较短的列表可以更快。如果你处理一个数组，np.all和a.all()几乎在所有情况下都会更快（除了object数组之外，但我不会走那条路，那就是疯狂）

Answer 2

我会在这个

np.all是一个通用函数，可以使用不同的数据类型，这可能会查找ndarray.all，这就是为什么它稍慢。
all是一个python bulit-in函数，请参阅https://docs.python.org/2/library/functions.html#all。
ndarray.all是'numpy.ndarray'对象的方法，直接调用它可能会更快。

Answer 3

我怀疑numpy的函数更多地将数组元素作为布尔值进行评估，可能采用一些通用的数字优先方式，而内置all()什么都不做，因为元素已经是布尔值。

我想知道浮点数的整数结果会有多么不同。

NumPy ndarray.all（）vs np.all（ndarray）vs all（ndarray）

3 个答案: