python - 为什么 numpy.ndarray.T 比 numpy.transpose(numpy.ndarray) 快得多？

Question

最近我发现有人使用 numpy.transpose 而不是 numpy.ndarray.T。我很好奇，所以我计时了:

from timeit import timeit
import numpy as np

array1015 = np.random.rand(10,15)

def nptrans():
    np.transpose(array1015)

def npt():
    array1015.T

print(timeit(nptrans))
print(timeit(npt))

结果是:

np.transpose: 1.25864219666

np.ndarray.T: 0.720939874649

为什么？他们不应该在幕后做同样的事情吗？也许 np.transpose 正在执行某种错误检查或减慢速度的操作？

Answer 1

首先，操作是如此之快，如果在那里进行优化并不重要!

%timeit nptrans()  # 100000 loops, best of 3: 2.11 µs per loop
%timeit npt()      # 1000000 loops, best of 3: 905 ns per loop

优化它没有意义，除非你会做数百万次转置而没有别的。即使添加它们也要慢得多:

%timeit array1015 + array1015  # 100000 loops, best of 3: 3.55 µs per loop

加法应该非常、非常快!

然而，np.transpose 中存在一些 np.ndarray.T 中不存在的开销:

• np.transpose 最终调用对象.transpose-method 这意味着它必须查找对象的方法并调用它。
• 为了避免重复他们的代码，开发人员将实际调用该方法的函数封装在一个单独的函数中。 => 再调用一个函数。

所以您看到的开销是 2 个函数调用和一个 getattr 调用的结果。 np.transpose function实际上是 python，所以你可以很容易地看到开销(我删除了评论):

def transpose(a, axes=None):
    return _wrapfunc(a, 'transpose', axes)  # extra function call

def _wrapfunc(obj, method, *args, **kwds):
    try:
        return getattr(obj, method)(*args, **kwds)  # here it finally calls ndarray.transpose()
    except (AttributeError, TypeError):
        return _wrapit(obj, method, *args, **kwds)