为什么NumPy本身运行速度较慢？

Question

根据此帖，看起来numpy不是进行超快计算的最理想选择。有人知道在使用numpy进行数值计算时需要注意哪些开销吗？

- leon

Answer 1

这要看你想做什么。例如，对于想做数值线性代数的人来说，异或（XOR）基本上没有什么用处（对此，numpy使用了优化的BLAS/LAPACK库，因此非常快速）。

通常，从numpy获取良好性能的大致思路是将解释器的成本分摊到许多元素上。换句话说，将循环从Python代码（慢）移动到numpy/BLAS/LAPACK等内部的C/Fortran循环中（快）。如果你成功地进行了向量化操作（称为矢量化），性能通常会非常好。

当然，你可以通过放弃Python解释器并改用C ++ 等语言来获得更好的性能。这种方法的成功与否取决于你在C++高性能编程方面的能力以及你正在尝试执行哪些操作。

- janneb

---

我同意一旦数据传递到Fortran端，速度会很快。但我更感兴趣的是Python /编译代码接口开销。例如，在代码中写下 a = sin(x) , 数据需要从Python到C再返回，我想知道它经历了多少层开销，如果将其移植到Cython是否会有更好的表现。 - leon

Answer 2

每当你有一个像 x = a * b + c / d + e 这样的表达式时，你最终会得到一个临时数组用于 a * b，一个临时数组用于 c / d，一个用于其中一个和的临时数组，最后还有一个结果的分配。这是 Python 类型和运算符重载的限制。但是，你可以使用增强赋值 (*=, += 等) 运算符明确地进行原地操作，并确保不会产生副本。

至于 NumPy 在该基准测试中执行更慢的具体原因，很难说，但可能与检查大小、类型编组等常量开销有关，而 Cython/等则不必担心这些问题。在更大的问题上，你可能会看到它变得更接近。

- dwf

Answer 3

我不能确定，但我猜测有两个因素：

1. 也许numpy正在复制更多的东西？当您避免分配大型临时数组时，weave通常更快，但这在这里不应该有影响。

2. numpy在迭代（可能）多维数组时具有一定的开销。这种开销通常会被数值计算所掩盖，但是异或运算真的非常快，因此真正重要的是开销。

- wisty

Answer 4

你的子问题：a = sin(x)，需要多少往返。

诀窍是将numpy数组传递给sin(x)，然后整个数组只有一次“往返”操作，因为numpy会返回一个sin值数组。这个操作中没有涉及到python的循环语句。

- roadrunner66