为什么从 list 创建的 numpy 数组的增量可以比从 np.zeros 快 10 倍？

Question

我正在使用 python 3.8 和 numpy 1.17.4。 下面这段代码的输出

import time
import sys
import numpy as np

if __name__ == '__main__':
  li = np.zeros(5000000,dtype=int)
  sys.stdout.write("%s %s\n" % (type(li),type(li[0])))
  start = time.process_time()
  li += 5
  sys.stdout.write("%.6fs\n" % (time.process_time()-start))
  li = np.zeros(5000000,dtype=int)
  li = list(li)
  li = np.array(li)
  sys.stdout.write("%s %s\n" % (type(li),type(li[0])))
  start = time.process_time()
  li += 5
  sys.stdout.write("%.6fs\n" % (time.process_time()-start))

看起来像

<class 'numpy.ndarray'> <class 'numpy.int64'>
0.037046s
<class 'numpy.ndarray'> <class 'numpy.int64'>
0.003537s

为什么后者的增量要快 10 倍？

Answer 1

在我看来解释和here一样。 事实上， numpy.zeros() 似乎是一个“懒惰”的操作。我对您的示例进行了两次修改：

1. 我删除了在第二个度量之前暗示列表的两个语句 => 这两个度量变得相同
2. 我添加了一个虚拟操作以强制 numpy.zero() 真正分配内存 => 这两个措施再次变得不同：

import time
import sys
import numpy as np

if __name__ == '__main__':
  li = np.zeros(5000000,dtype=int)
  sys.stdout.write("%s %s\n" % (type(li),type(li[0])))
  start = time.process_time()
  li += 5
  sys.stdout.write("%.6fs\n" % (time.process_time()-start))
  li = np.zeros(5000000,dtype=int)
  li += 0 #dummy operation 
  sys.stdout.write("%s %s\n" % (type(li),type(li[0])))
  start = time.process_time()
  li += 5
  sys.stdout.write("%.6fs\n" % (time.process_time()-start))

Answer 2

您的时间估计可能不准确。它使用可能受其他因素影响的命令的单次迭代。使用%timeit 显示出更一致的结果，即使第二种方法具有更高的标准偏差。

第一种方法：

li = np.zeros(5000000,dtype=int)

%timeit zi = li + 5
12 ms ± 179 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

第二种方法：

li = np.zeros(5000000,dtype=int)
li = list(li)
li = np.array(li)

%timeit zi = li + 5
13.3 ms ± 1.05 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)