访问 numpy 数组 'arr' 的速度明显快于 'arr[:]'

Question

在以下场景中，为什么访问arr 比访问arr[:] 或arr[::] 明显快。

In [1]: import numpy as np

In [2]: arr = np.random.randint(0, 255, (512, 512))

In [3]: %timeit arr
30.8 ns ± 2.43 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [4]: %timeit arr[:]
204 ns ± 0.588 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [5]: %timeit arr[::]
204 ns ± 1.35 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [8]: np.all(arr == arr[:])
Out[8]: True

In [9]: np.all(arr == arr[::])
Out[9]: True

上述所有方法不都是访问内存中连续的元素块吗？访问内存中的不连续块arr[::2] 比arr[:] 慢，但与a 和a[:] 之间的差异相比只有一点点。

In [10]: %timeit arr[::2]
221 ns ± 2.96 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

Answer 1

arr 和 arr[:] 都没有真正访问数组的缓冲区。 arr 仅加载对数组的引用，而 arr[:] 构造由同一缓冲区支持的新对象。 arr[:] 的成本要高得多，与创建对象有关，但它实际上仍然没有对后备缓冲区做任何事情。