Numpy舍入性能

Question

我从 numpy（版本 1.10.4）看到了一些非常令人惊讶的行为。请参阅以下带有输出的代码：

import numpy as np

a = np.random.rand()
b = np.random.rand(1)[0]
print('a: ',a)
print('b:', b)
print('type(a): ', type(a))
print('type(a): ', type(b))
print('round(a):', round(a))
print('round(b):', round(b))
print('\n')

%timeit round(a)
%timeit round(b)
%timeit int(round(b))



a:  0.4991662851604657
b: 0.301059130742
type(a):  <class 'float'>
type(a):  <class 'numpy.float64'>
round(a): 0
round(b): 0.0


The slowest run took 7.49 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 232 ns per loop
The slowest run took 13.84 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 1.19 µs per loop
The slowest run took 6.54 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 1.37 µs per loop

np.random.rand 似乎在两种非常相似的情况下返回不同的数字类型。

这让我很生气，因为我开始依赖 Python 的 round 的行为，它默认返回 int。但是，如果round 的输入是numpy.float64，它会返回float，我猜是因为numpy.round 确实如此。依赖round 的行为突然变得相当危险。

round 在 float 与 numpy.float64 上的表现也有很大不同，以至于它对我的库产生了明显的影响。

性能问题是一个错误，还是 numpy 开销真的那戏剧性，即使对于标量 floats，还是这里的基准测试工作方式存在问题？如何从numpy.float64s 快速舍入到int 性能？

最后，为什么rand() 返回的类型与rand(1)[0] 不同？

Answer 1

round(a)实际上调用了a.__round__()，这对于pythonfloat和np.float的实现可能不同。由于应用的不同，开发者一定为__round__的每一个返回选择了不同的返回类型。

恐怕没有可靠的通用方法将numpy 性能扩展到python 原生类型。您可以调查 numba 软件包以获取 jit 功能。

编辑：

关于您的最后一个问题，我的猜测是 np.rand 返回 float 作为优化以避免在您只需要一个随机数时将其装箱到 array 中。