numpy 与列表理解，哪个更快？ [关闭]答案

【问题标题】：numpy vs list comprehension, which is faster? [closed]numpy 与列表理解，哪个更快？ [关闭]
【发布时间】：2017-05-10 02:19:46
【问题描述】：

我进行了一个比较 numpy 和 python 列表理解的简单速度测试，显然列表理解更快。对吗？

import sys, numpy
from datetime import datetime

def numpysum(n):
    a = numpy.arange(n) ** 2
    b = numpy.arange(n) ** 3
    return a + b

def pythonsum(n):
    a = [i ** 2 for i in range(n)]
    b = [i ** 3 for i in range(n)]
    return [a[i] + b[i] for i in range(n)]

size = 10
start = datetime.now()
c1 = pythonsum(size)
delta1 = datetime.now() - start

start = datetime.now()
c2 = numpysum(size)
delta2 = datetime.now() - start

print c1
print c2

print delta1
print delta2

【问题讨论】：

标签： python numpy

【解决方案1】：

我认为您可能需要考虑改变您的测试参数：

In [39]: %timeit pythonsum(10)
100000 loops, best of 3: 8.41 us per loop

In [40]: %timeit pythonsum(100)
10000 loops, best of 3: 51.9 us per loop

In [41]: %timeit pythonsum(1000)
1000 loops, best of 3: 451 us per loop

In [42]: %timeit pythonsum(10000)
100 loops, best of 3: 17.9 ms per loop

In [43]: %timeit numpysum(10)
100000 loops, best of 3: 13.4 us per loop

In [44]: %timeit numpysum(100)
100000 loops, best of 3: 17 us per loop

In [45]: %timeit numpysum(1000)
10000 loops, best of 3: 50.3 us per loop

In [46]: %timeit numpysum(10000)
1000 loops, best of 3: 385 us per loop

Numpy 与列表理解时间的比率：

10：0.6 倍

100：3.1 倍

1000：9 倍

10000：46 倍

因此，对于大型 N，Numpy 更快。

【讨论】：

【解决方案2】：

您的size 太小。我用size=1000000 再次尝试，numpy 的性能比列表理解高 9 倍。

我猜 numpy 的设置开销更高，但通常对于非平凡的输入大小（10 绝对是微不足道的），您可以期望它至少与列表理解一样快，并且在大多数情况下要快得多.

【讨论】：