性能返回一個新的數組和修改傳入的陣列

Question

[Related]

在下面的快照的，我比較

• 速度修改經由切片分配
• 只是現有陣列返回一個新的修改陣列

看起來後者更快。爲什麼會這樣呢？

---

編輯：有建議更新，並使用numpy的真實矢量add()，這是目前速度最快的一個版本。

Answer 1

• x + 1將創建一個新的數組。
• y[:] = x + 1：創建一個新的數組，所有的數據複製到y
• y = x + 1：創建一個新的陣列和BIND域名y這個新陣。
• np.add(x, 1, out=y)：不要創建新陣列，它是最快的。

下面是代碼：

x = np.zeros(1000000) 
y = np.zeros_like(x) 
%timeit x + 1 
%timeit y[:] = x + 1 
%timeit np.add(x, 1, out=y) 

輸出：

100 loops, best of 3: 4.2 ms per loop 
100 loops, best of 3: 6.83 ms per loop 
100 loops, best of 3: 2.5 ms per loop 

Answer 2

我不知道很多關於Python/numpy的內部，但這裏是我認爲正在發生的事情。通過查看代碼，我發現finline比freturn做得更多，因爲finline具有freturn所做的所有語句（x + 1.0）以及更多。

也許這可以解釋這是怎麼回事：

>>> x = np.random.rand(N) 
>>> y = np.zeros(N) 
>>> super(np.ndarray, y).__repr__() 
Out[33]: '<numpy.ndarray object at 0x24c9c80>' 
>>> finline(x, y) 
>>> y  # see that y was modified 
Out[35]: 
array([ 1.92772158, 1.47729293, 1.96549695, ..., 1.37821499, 
     1.8672971 , 1.17013856]) 
>>> super(np.ndarray, y).__repr__() 
Out[36]: '<numpy.ndarray object at 0x24c9c80>' # address of y did not change 
>>> y = freturn(x) 
>>> super(np.ndarray, y).__repr__() 
Out[38]: '<numpy.ndarray object at 0x24c9fc0>' # address of y changed 

所以基本上，我認爲finline做更多的工作，因爲它必須遍歷y的元素和他們每個人的初始化由返回的數組x + 1.0操作。另一方面，y = freturn(x)可能只是將y指針的值重新初始化爲等於由x + 1.0操作初始化的數組的地址。