np.empty与np.zeros的速度

Question

我正在使用numpy版本1.14.3和python 2.7.12。

参考this问题，我发现使用np.zeros和np.empty初始化数组之间的速度有很大不同。但是，输出是相同的。

import numpy as np
r = np.random.random((50, 100, 100))
z = np.zeros(r.shape)
e = np.empty(r.shape)
np.allclose(e, z)

这将返回True。但是，计时功能%timeit给出了截然不同的结果：

%timeit z = np.zeros(r.shape)

  

10000次循环，最佳3：每个循环143 µs

%timeit e = np.empty(r.shape)

  

1000000次循环，最好为3次：每个循环1.83 µs

上面引用的先前接受的答案表明，np.zeros始终是更好的选择，并且它也更快。

为什么不使用np.empty的速度是np.zeros的80倍并返回相同的答案？

修改 正如user2285236指出的那样，翻转初始化z和e的顺序将破坏相等性，因为它会覆盖相同的内存区域。

Answer 1

np.empty和np.zeros做不同的事情。

np.empty从可用的内存空间创建一个数组，将所有碰巧挂在内存中的值保留为这些值。 这些值可能为零，也可能不是零。

np.zeros从可用的内存空间创建一个数组，然后为您选择的dtype用零填充。显然np.zeros必须做更多的工作，因此它应该更慢，因为它还会写入分配的内存。

在np.empty和np.ndarray之间进行更公平的比较。