numpy - 出于分析目的了解 Numpy 内部结构

Question

分析一段 numpy 代码表明我大部分时间都花在这两个函数上

numpy/matrixlib/defmatrix.py.__getitem__:301
numpy/matrixlib/defmatrix.py.__array_finalize__:279

这是Numpy来源:

https://github.com/numpy/numpy/blob/master/numpy/matrixlib/defmatrix.py#L301

https://github.com/numpy/numpy/blob/master/numpy/matrixlib/defmatrix.py#L279

问题 #1:
__getitem__ 似乎每次我使用类似 my_array[arg] 的东西时都会被调用，如果 arg 不是整数而是切片，它会变得更加昂贵。有没有办法加快对数组切片的调用？

例如。在

for i in range(idx): res[i] = my_array[i:i+10].mean()

问题 #2:
__array_finalize__ 什么时候被调用，我怎样才能通过减少对这个函数的调用次数来加快速度？

谢谢!

Answer 1

您不能使用矩阵，而只能使用 2d numpy 数组。我通常只在短时间内使用矩阵来利用乘法的语法(但在数组上添加 .dot 方法后，我发现我越来越少这样做了)。

但是，对于您的问题:

1) __getitem__ 真的没有捷径，除非 defmatrix 覆盖了 __getslice__ 它可以做但还没有。有 .item 和 .itemset 方法，它们针对整数获取和设置进行了优化(并返回 Python 对象而不是 NumPy 的数组标量)

2) 每当创建数组对象(或子类)时都会调用 __array_finalize__。它是从 C 函数调用的，每个数组创建都会通过它。 https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/ctors.c#L1003

在纯 Python 定义的子类的情况下，它从 C 回调到 Python 解释器，这有开销。如果矩阵类是内置类型(例如，基于 Cython 的 cdef 类)，则调用可以避免 Python 解释器开销。