Numpy移调功能可加快速度和使用案例
那么,为什么NumPy的转置.T
速度比np.transpose()
?
b = np.arange(10)
#Transpose .T
t=b.reshape(2,5).T
#Transpose function
t = np.transpose(b.reshape(2,5))
#Transpose function without wrapper
t = b.reshape(2,5).transpose()
我timeit
在Jupyter中都做到了:
%timeit -n 1000 b.reshape(2,5).T
1000 loops, best of 3: 391 ns per loop
%timeit -n 1000 np.transpose(b.reshape(2,5))
1000 loops, best of 3: 600 ns per loop
%timeit -n 1000 b.reshape(2,5).transpose()
1000 loops, best of 3: 422 ns per loop
为了检查可扩展性,我做了一个更大的矩阵:
b = np.arange( 100000000)
%timeit -n 1000 b.reshape(10000,10000).T
1000 loops, best of 3: 390 ns per loop
%timeit -n 1000 np.transpose(b.reshape(10000,10000))
1000 loops, best of 3: 611 ns per loop
%timeit -n 1000 b.reshape(10000,10000).transpose()
1000 loops, best of 3: 435 ns per loop
在这两种情况下,该.T
方法的速度都比包装器快2倍,比使用包装器快.transpose()
一点?有没有一种用例会np.transpose
更好?
-
原因之一可能是内部
np.transpose(a)
调用a.transpose()
,而a.transpose()
直接调用。在源代码中,您有:def transpose(a, axes=None): return _wrapfunc(a, 'transpose', axes)
哪里
_wrapfunc
又只是:def _wrapfunc(obj, method, *args, **kwds): try: return getattr(obj, method)(*args, **kwds) except (AttributeError, TypeError): return _wrapit(obj, method, *args, **kwds)
getattr(a, 'transpose')
在这种情况下,映射到。
_wrapfunc
许多模块级函数使用来访问方法,通常是ndarray
该类的方法或第一个arg的类。(注意:
.T
与相同.transpose()
,但如果数组的尺寸小于2,则返回该数组。)