Skip to main content
 首页 » 编程设计

python之为什么 Numpy.array 比获取子列表的内置列表慢

2025年05月04日8zhoujg

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 

请您参考如下方法:

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。