Numpy功能慢吗？

Question

脾气暴躁应该很快。但是，将Numpy ufuncs与标准Python函数进行比较时，我发现后者要快得多。

例如，

aa = np.arange(1000000, dtype = float)
%timeit np.mean(aa) # 1000 loops, best of 3: 1.15 ms per loop
%timeit aa.mean # 10000000 loops, best of 3: 69.5 ns per loop

使用其他Numpy函数（例如max，power）也得到了类似的结果。我给人的印象是Numpy的开销使得小型阵列的速度较慢，而大型阵列的速度会更快。在上面的代码中，aa并不小：它有100万个元素。我想念什么吗？

当然，Numpy速度很快，只是功能似乎很慢：

bb = range(1000000)
%timeit mean(bb) # 1 loops, best of 3: 551 ms per loop
%timeit mean(list(bb)) # 10 loops, best of 3: 136 ms per loop

Answer 1

其他人已经指出，您的比较不是真正的比较（您没有调用该函数，并且两者都是numpy）。
但是要回答“ numpy函数慢吗？”这个问题。：一般来说，不，numpy函数并不慢（或者不比普通python函数慢）。当然，有一些补充说明：

• “慢”取决于您与之比较的路线，并且总是可以更快。使用cython，numexpr，numba，调用C代码等功能，在许多情况下肯定有可能获得更快的结果。
• Numpy具有一定的开销，这在某些情况下可能非常重要。例如，正如您已经提到的，在小型数组和标量数学上，numpy的速度可能会更慢。对此进行比较，请参见例如NumPy的数学函数是否比Python的数学函数快？

要进行比较，您要进行以下操作：

In [1]: import numpy as np
In [2]: aa = np.arange(1000000)
In [3]: bb = range(1000000)

对于mean（请注意，Python标准库中没有mean函数：在Python中计算算术平均值（平均值））：

In [4]: %timeit np.mean(aa)
100 loops, best of 3: 2.07 ms per loop

In [5]: %timeit float(sum(bb))/len(bb)
10 loops, best of 3: 69.5 ms per loop

对于 max，numpy与纯Python：

In [6]: %timeit np.max(aa)
1000 loops, best of 3: 1.52 ms per loop

In [7]: %timeit max(bb)
10 loops, best of 3: 31.2 ms per loop

最后一点，在上面的比较中，我aa为numpy函数使用了numpy数组（），bb为普通python函数使用了list（）。如果您将列表与numpy函数一起使用，在这种情况下，它将再次变慢：

In [10]: %timeit np.max(bb)
10 loops, best of 3: 115 ms per loop

因为列表首先被转换为一个数组（占用了大部分时间）。因此，如果您想在应用程序中依赖numpy，那么使用numpy数组存储数据非常重要（或者，如果您有列表，则将其转换为数组，因此此转换只需执行一次）。

Answer 2

你不打电话aa.mean。将函数调用括号放在最后，以实际调用它，速度差将几乎消失。（np.mean(aa)和aa.mean()均为NumPy；都不使用Python内置函数进行数学运算。）