python - np.exp 比 np.e 慢多少？

Question

In [49]: timeit.timeit("np.exp(100)", setup="import numpy as np")
Out[49]: 1.700455904006958

In [50]: timeit.timeit("np.e**100", setup="import numpy as np")
Out[50]: 0.16629505157470703

使用 np.e**100 的 CPython 实现比使用 numpy 版本慢得多有什么原因吗？ numpy 版本被下推到 C 代码时不应该更快吗？

Answer 1

一个明显的原因是 np.exp 被设置为处理数组，并且在确定输入的类型/维度方面可能涉及一些开销。尝试这些案例，您可能会发现差异减少或消失:

timeit.timeit("np.exp(x)", 
              setup="import numpy as np; x = np.array([99, 100, 101])")
# This actually seems to be faster than just calculating
#   it for a single value
Out[7]: 1.0747020244598389

timeit.timeit("[np.e**n for n in x]", 
              setup="import numpy as np; x = [99, 100, 101]")
Out[8]: 0.7991611957550049