Numpy移调功能可加快速度和使用案例

Question

那么，为什么NumPy的转置.T速度比np.transpose()？

b = np.arange(10)

#Transpose .T
t=b.reshape(2,5).T

#Transpose function
t = np.transpose(b.reshape(2,5))

#Transpose function without wrapper
t = b.reshape(2,5).transpose()

我timeit在Jupyter中都做到了：

%timeit -n 1000 b.reshape(2,5).T

1000 loops, best of 3: 391 ns per loop

%timeit -n 1000 np.transpose(b.reshape(2,5))

1000 loops, best of 3: 600 ns per loop

%timeit -n 1000 b.reshape(2,5).transpose()

1000 loops, best of 3: 422 ns per loop

为了检查可扩展性，我做了一个更大的矩阵：

b = np.arange( 100000000)

%timeit -n 1000 b.reshape(10000,10000).T

1000 loops, best of 3: 390 ns per loop

%timeit -n 1000 np.transpose(b.reshape(10000,10000))

1000 loops, best of 3: 611 ns per loop

%timeit -n 1000 b.reshape(10000,10000).transpose()

1000 loops, best of 3: 435 ns per loop

在这两种情况下，该.T方法的速度都比包装器快2倍，比使用包装器快.transpose()一点？有没有一种用例会np.transpose更好？

Answer 1

原因之一可能是内部np.transpose(a)调用a.transpose()，而a.transpose()直接调用。在源代码中，您有：

def transpose(a, axes=None):
    return _wrapfunc(a, 'transpose', axes)

哪里_wrapfunc又只是：

def _wrapfunc(obj, method, *args, **kwds):
    try:
        return getattr(obj, method)(*args, **kwds)
    except (AttributeError, TypeError):
        return _wrapit(obj, method, *args, **kwds)

getattr(a, 'transpose')在这种情况下，映射到。
_wrapfunc许多模块级函数使用来访问方法，通常是ndarray该类的方法或第一个arg的类。

（注意：.T与相同.transpose()，但如果数组的尺寸小于2，则返回该数组。）