代码之家 › 专栏 › 技术社区 › unfolx

numpy数组不等式的执行时间

inequality numpy python

0

unfolx · 技术社区 · 1 年前

在下面得到两个截然不同的执行时间

import numpy as np
import time

array = np.arange(0, 750000)
param = 20000

t1 = time.time()
for _ in range(param):
  array <= 120
print(round(time.time() - t1), _)
# 9 19999

t2 = time.time()
for _ in range(param):
  array - 120 <= 0
print(round(time.time() - t2), _)
# 19 19999

期望这两种方法的执行时间相似。

这种差异背后的基本原理是什么?在第二种方法中,numpy是否将120内部转换为数组?

代码优化还需要注意哪些类似的瓶颈?很高兴阅读相关文档。谢谢!

1 回复 | 直到 1 年前

1

2

user2357112 1 年前

NumPy无法执行 array - 120 <= 0 作为单个融合操作,或将表达式重写为 array <= 120 它需要按照所写的两个步骤执行操作:

array - 120

和

result <= 0

并且这些操作中的每一个都构建了一个新的750000个元素数组。一个750000个元素的减法结果数组和一个7500000个元素的比较结果数组。

这比将每个元素与120进行比较并直接构建比较结果数组要慢得多,因为 数组<=120 做。