为什么 numpy.sum 构建新生成器比仅使用范围更快？答案

【问题标题】：Why for numpy.sum buiding new generator is faster than using just range?为什么 numpy.sum 构建新生成器比仅使用范围更快？
【发布时间】：2016-11-10 17:17:11
【问题描述】：

这让我有点吃惊。我一直在测试性能。

In [1]: import numpy as np

In [2]: %timeit a = np.sum(range(100000))
Out[2]: 100 loops, best of 3: 16.7 ms per loop

In [3]: %timeit a = np.sum([range(100000)])
Out[3]: 100 loops, best of 3: 16.7 ms per loop

In [4]: %timeit a = np.sum([i for i in range(100000)])
Out[4]: 100 loops, best of 3: 12 ms per loop

In [5]: %timeit a = np.sum((i for i in range(100000)))
Out[5]: 100 loops, best of 3: 8.43 ms per loop

我正在尝试了解内部工作，并学习如何概括以获得最佳实践。为什么 4（构建新生成器）比 1 好？

我明白为什么创建列表需要更多时间。但同样，为什么 3 比 2 好？为什么 2 不比 1 差？是否在 1 处建立列表？

我正在使用from numpy import *。

【问题讨论】：

sum([range(100000)]) 是 TypeError，所以我不确定您是否在这里进行了有用的比较...
@jonrsharpe。啊哈！你的回答让我想到我拥有from numpy import * 的事实与它有关......
这就是为什么你从不使用from thing import *...另外澄清哪个版本的Python会有所帮助，因为range在2.x和3.x之间是不同的。
@Theguy：numpy 定义了自己的sum 函数。
@jonrsharpe，这是 spyder 的默认设置。我在 python 3 上。

标签： python python-3.x numpy

【解决方案1】：

运行相同的代码，我得到了这些结果（Python 3.5.1）：

%timeit a = sum(range(100000))
100 loops, best of 3: 3.05 ms per loop

%timeit a = sum([range(100000)])
>>> TypeError: unsupported operand type(s) for +: 'int' and 'range'

%timeit a = sum([i for i in range(100000)])
100 loops, best of 3: 8.12 ms per loop

%timeit a = sum((i for i in range(100000)))
100 loops, best of 3: 8.97 ms per loop

现在使用 numpy 的 sum() 实现：

from numpy import sum

%timeit a = sum(range(100000))
10 loops, best of 3: 19.7 ms per loop

%timeit a = sum([range(100000)])
10 loops, best of 3: 20.2 ms per loop

%timeit a = sum([i for i in range(100000)])
100 loops, best of 3: 16.2 ms per loop

%timeit a = sum((i for i in range(100000)))
100 loops, best of 3: 9.27 ms per loop

实际情况是，使用 from numpy import *（或 from numpy import sum）会破坏 Python 的内置 sum() 函数。

查看this SO 问题，该问题讨论了两种实现之间的性能比较。

【讨论】：

问题仍然存在，为什么最后一个最快？也让我大吃一惊。