Numpy 函数慢吗？答案

【问题标题】：Are Numpy functions slow?Numpy 函数慢吗？
【发布时间】：2013-08-05 15:36:15
【问题描述】：

Numpy 应该很快。但是，在将 Numpy ufunc 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

我使用其他 Numpy 函数（例如 max、power）得到了类似的结果。我的印象是 Numpy 有一个开销，这使得小型阵列的速度较慢，但大型阵列的速度更快。在上面的代码中 aa 并不小：它有 100 万个元素。我错过了什么吗？

当然，Numpy 很快，只是功能看起来很慢：

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

【问题讨论】：

您使用的是哪个版本的 Python？在 Python 2 中，range() 返回一个列表。在 Python 3 中，range() 返回一个迭代器。这将对您的绩效衡量产生巨大影响。
np.mean(aa) 和 aa.mean 似乎是同一个函数。
仅供参考，aa.mean 不做任何事情。你没有调用函数，你只是命名它。这就是为什么它这么快。 IOW，你想要aa.mean()。
@DSM：是的。做了一段时间后，它们似乎很相似，aa.mean() 似乎有点快。

标签： python performance function numpy performance-testing

【解决方案1】：

你没有打电话给aa.mean。将函数调用括号放在最后，真正调用它，速度差异将几乎消失。（np.mean(aa) 和 aa.mean() 都是 NumPy；两者都没有使用 Python 内置函数来计算。）

【讨论】：

【解决方案2】：

其他人已经指出，您的比较不是真正的比较（您没有调用函数 + 都是 numpy）。
但是要回答 “numpy 函数慢吗？”的问题：一般来说，不，numpy 函数并不慢（或不比普通 python 函数慢）。当然，还有一些旁注：

“慢”取决于您所比较的对象，它总是可以更快。使用cython、numexpr、numba、调用 C 代码等...在许多情况下，肯定有可能获得更快的结果。
Numpy 有一定的开销，这在某些情况下可能很重要。例如，正如您已经提到的，numpy 在小型数组和标量数学上可能会更慢。有关这方面的比较，请参阅例如Are NumPy's math functions faster than Python's?

进行您想要进行的比较：

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

对于mean（注意，python标准库中没有mean函数：Calculating arithmetic mean (average) in Python）：

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 与普通 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，我为 numpy 函数使用了一个 numpy 数组 (aa)，为普通 python 函数使用了一个列表 (bb)。如果您使用带有 numpy 函数的列表，在这种情况下它会再次变慢：

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

因为列表首先转换为数组（这会消耗大部分时间）。因此，如果您想在应用程序中依赖 numpy，则使用 numpy 数组来存储数据非常重要（或者如果您有一个列表，请将其转换为数组，因此该转换只需执行一次）。

【讨论】：