将 numpy 导入为 np 与从 numpy 导入答案

【问题标题】：import numpy as np versus from numpy import将 numpy 导入为 np 与从 numpy 导入
【发布时间】：2019-03-01 14:30:12
【问题描述】：

我有一个大量使用 numpy 的模块：

from numpy import array, median, nan, percentile, roll, sqrt, sum, transpose, unique, where

使用来保持命名空间干净是不是更好的做法

import numpy as np

然后当我需要使用array 时，只需使用np.array，例如？

这个模块也会被重复调用，比如几百万次，保持命名空间干净似乎会增加一些开销？

setup = '''import numpy as np'''
function = 'x = np.sum(np.array([1,2,3,4,5,6,7,8,9,10]))'
print(min(timeit.Timer(function, setup=setup).repeat(10, 300000)))

1.66832

setup = '''from numpy import arange, array, sum'''
function = 'x = sum(array([1,2,3,4,5,6,7,8,9,10]))'
print(min(timeit.Timer(function, setup=setup).repeat(10, 300000)))

1.65137

为什么在使用 np.sum 和 sum 时这会增加更多时间？

【问题讨论】：

您可能使用默认的sum 而不是np.sum
@ycx 如果 OP 使用了from numpy import sum，它会隐藏默认的sum。
我认为差异很小，无法产生显着差异。我认为如果你在同一条线上运行几次，你会得到不同的结果，但无论如何都会在相同的范围内。此外，AFAIK CPU 内核会进行一些缓存，因此如果它认为它两次执行相同的计算，它将使用它的缓存，我了解到这一点，因为这是之前较大的 CPU 漏洞利用之一（例如崩溃）的基础。尝试颠倒测试的顺序，看看第二种方法是否始终较低。
我可以确认 a) 订单没有影响 b) 存在显着的性能差异。我绘制了两个实验结果的直方图（比较最小值不是很好）。结果：“import numpy”方法速度较慢，并且差异也更大。我的假设是，每次它询问“嘿，numpy，请给我你的求和函数”，而“导入函数”方法直接在命名空间中注册求和函数。但是我对实际的实现没有深入的了解，所以只是一个疯狂的猜测。
“显着的性能差异”并不是说“你永远不应该导入模块”（我总是使用import numpy as np），我只是说“性能不一样”。

标签： python numpy import

【解决方案1】：

你是对的，最好保持命名空间干净。所以我会使用

import numpy as np

它使您的代码更具可读性，当您看到像 np.sum(array) 这样的调用时，会提醒您应该使用 numpy 数组。第二个原因是许多 numpy 函数与其他模块（如 scipy）中的函数具有相同的名称...如果您同时使用两者，则始终清楚您使用的是哪一个。

正如您在所做的测试中看到的那样，性能差异是存在的，如果您真的需要性能，您可以采用其他方式。

性能上的差异在于，在特定函数导入的情况下，您在脚本开头引用了 numpy 模块中的函数。在一般模块导入的情况下，您只导入对模块的引用，python 需要在每次调用时解析/查找您在该模块中使用的函数。

【讨论】：

【解决方案2】：

如果您可以定义自己的别名（当然要遵守您的团队约定），您可以两全其美（更快的名称解析和无阴影）：

import numpy as np
(np_sum, np_min, np_arange) = (np.sum, np.min, np.arange)

x = np_arange(24)
print (np_sum(x))

定义别名的替代语法：

from numpy import \
    arange as np_arange, \
    sum as np_sum, \
    min as np_min

【讨论】：

很好，我能问一下：为什么list 超过tuple？这有什么原因吗？
@ycx：元组也可以，而且可能更传统。也许，我应该编辑:-)