python - 为什么 Numpy.array 比获取子列表的内置列表慢

Question

我将提高我的代码片段的性能，它会经常递归地获取子数组。

所以我使用了 numpy.array 而不是内置列表。因为，据我所知，在获取子数组时， numpy.array 不会复制原始列表。

但是当我改用 numpy.array 时，性能变差了。所以我想知道原因。谢谢!

以下是我的代码片段和使用我得到的不同对象的执行时间:

import timeit
stat = ''' 
import numpy
def func(a):
    a[len(a)-1] += 1
    if len(a) == 1:
        return a[0]
    else:
        return func(a[1:len(a)])
a1=[1,2,3,4,5,6,7,8,9,10]
a2=numpy.array([1,2,3,4,5,6,7,8,9,10])
'''
if __name__ == "__main__":
    print "Execution time with build-in list: {0}".format(timeit.timeit('func(a1)', setup = stat, number = 1000))
    print "Execution time with Numpy array: {0}".format(timeit.timeit('func(a2)', setup = stat, number = 1000))

在我的 64 位 mac(Python 2.7.6 + Numpy 1.8.0rc1)上，输出是:

Execution time with build-in list: 0.00507998466492
Execution time with Numpy array: 0.0195469856262

Answer 1

如果您按如下方式修改最后两行代码，您将获得相同的执行时间:

print "Execution time with build-in list: {0}".format(timeit.timeit(
    'func(a1)', setup = stat, number = 1000), 'gc.enable()')
print "Execution time with Numpy array:   {0}".format(timeit.timeit(
    'func(a2)', setup = stat, number = 1000), 'gc.enable()')

在这两种情况下，我们都允许 timeit 打开所谓的垃圾收集，即在不再使用内存时释放内存的过程。上述修改返回，例如:

Execution time with build-in list: 0.00580596923828
Execution time with Numpy array:   0.00822710990906

具有相同的数量级。根据 timeit 的文档“默认情况下，它在计时期间暂时关闭垃圾收集。这种做法的优点是它使独立计时更具可比性。缺点是垃圾收集可能是一个被测量功能性能的重要组成部分。”

对于应该使用什么方法，即有或没有垃圾收集，以及什么时候应该使用有一个薄弱的理解。另请注意，如果您从 time 模块应用 time.time() block ，您将获得更长的时间。