我正在比较 numpy 与 matlab 的性能,在一些情况下我观察到 numpy 明显更慢(索引、对数组的简单操作,例如绝对值、乘法、求和等)。让我们看一下下面的例子,它有点引人注目,涉及函数 digitize(我打算用它来同步时间戳):
import numpy as np
import time
scale=np.arange(1,1e+6+1)
y=np.arange(1,1e+6+1,10)
t1=time.time()
ind=np.digitize(scale,y)
t2=time.time()
print 'Time passed is %2.2f seconds' %(t2-t1)
结果是:
Time passed is 55.91 seconds
现在让我们使用等效函数 histc 尝试相同的示例 Matlab
scale=[1:1e+6];
y=[1:10:1e+6];
tic
[N,bin]=histc(scale,y);
t=toc;
display(['Time passed is ',num2str(t), ' seconds'])
结果是:
Time passed is 0.10237 seconds
快了 560 倍!
在学习使用 C++ 扩展 Python 时,我实现了自己的数字化版本(使用扩展库进行扩展):
import analysis # my C++ module implementing digitize
t1=time.time()
ind2=analysis.digitize(scale,y)
t2=time.time()
print 'Time passed is %2.2f seconds' %(t2-t1)
np.all(ind==ind2) #ok
结果是:
Time passed is 0.02 seconds
我的 digitize 版本假设输入都是单调的,这有一点作弊,这可以解释为什么它比 Matlab 更快。但是,对大小为 1e+6 的数组进行排序需要 0.16 秒(使用 numpy.sort),因此与 Matlab 函数 历史。
所以问题是:
- 为什么 numpy.digitize 这么慢?这个函数不应该用编译和优化的代码编写吗?
- 为什么我自己的 digitize 版本比 numpy.digitize 快得多,但仍然比 Matlab 慢(假设输入已经排序,我非常有信心我使用可能最快的算法)?
我正在使用 Fedora 16,并且最近安装了 ATLAS 和 LAPACK 库(但性能发生了很大变化)。我应该重建 numpy 吗?我不确定我安装的 numpy 是否使用了适当的库来获得最大速度,也许 Matlab 使用了更好的库。
更新
根据目前的答案,我想强调的是,如果有人(在这种情况下像我一样)不关心直方图。我需要 hisc 的第二个输出,它是从输入值到所提供输入 bin 的索引的映射。这样的输出由 numpy 函数 digitize 和 searchsorted 提供。正如其中一个答案所说,searchsorted 比 digitize 快得多。但是,searchsorted 仍然比 Matlab 慢 2 倍:
t1=time.time()
ind3=np.searchsorted(y,scale,"right")
t2=time.time()
print 'Time passed is %2.2f seconds' %(t2-t1)
np.all(ind==ind3) #ok
结果是
Time passed is 0.21 seconds
那么现在的问题是:
如果有一个等效函数 numpy.searchsorted 快 280 倍,那么使用 numpy.digitize 有什么意义?
为什么 Matlab 函数 histc(它还提供 numpy.searchsorted 的输出)比 快 2 倍>numpy.searchsorted?
最佳答案
首先,让我们看看为什么 numpy.digitize
很慢。如果发现您的 bin 是单调的,则根据 bin 是非递减还是非递增调用这些函数之一(相关代码可在 numpy/lib/src/_compiled_base.c
中找到numpy git 仓库):
static npy_intp
incr_slot_(double x, double *bins, npy_intp lbins)
{
npy_intp i;
for ( i = 0; i < lbins; i ++ ) {
if ( x < bins [i] ) {
return i;
}
}
return lbins;
}
static npy_intp
decr_slot_(double x, double * bins, npy_intp lbins)
{
npy_intp i;
for ( i = lbins - 1; i >= 0; i -- ) {
if (x < bins [i]) {
return i + 1;
}
}
return 0;
}
如您所见,它正在进行线性搜索。线性搜索比二进制搜索慢得多,所以你可以回答为什么它慢。我会打开a ticket为此,在 numpy 跟踪器上。
其次,我认为 Matlab 实际上比您的 C++ 代码慢,因为 Matlab also assumes bins 是单调非递减的。
关于python - 为什么 numpy 在数字化示例中比 matlab 慢得多?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9444409/