在Numpy中执行零功能

Question

我只是注意到的zeros功能numpy有一个奇怪的行为：

%timeit np.zeros((1000, 1000))
1.06 ms ± 29.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit np.zeros((5000, 5000))
4 µs ± 66 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

另一方面，ones似乎有正常的行为。有人知道为什么用该zeros函数初始化一个小的numpy数组比一个大的数组要花更多的时间吗？

（Python 3.5，numpy 1.11）

Answer 1

看起来好像calloc达到了一个阈值，在该阈值下，操作系统会要求将内存清零，而无需手动对其进行初始化。查看源代码，numpy.zeros最终委托来calloc获取清零的内存块，如果与进行比较numpy.empty，则不执行初始化：

In [15]: %timeit np.zeros((5000, 5000))
The slowest run took 12.65 times longer than the fastest. This could mean that a
n intermediate result is being cached.
100000 loops, best of 3: 10 µs per loop

In [16]: %timeit np.empty((5000, 5000))
The slowest run took 5.05 times longer than the fastest. This could mean that an
 intermediate result is being cached.
100000 loops, best of 3: 10.3 µs per loop

您会看到np.zeros5000x5000阵列没有初始化开销。

实际上，在您尝试访问该内存之前，该操作系统甚至没有“真正”分配该内存。在无数TB可用空间的机器上，对TB级阵列的请求成功完成：

In [23]: x = np.zeros(2**40)  # No MemoryError!