Python 比较数组为零比 np.any(array) 更快

Question

我想测试一个数组的所有元素是否都为零。根据 StackOverflow 帖子 Test if numpy array contains only zeros和 https://stackoverflow.com/a/72976775/5269892 ，与 (array == 0).all() 相比，not array.any() 应该是内存效率最高且速度最快的方法。

我用一个随机数 float 数组测试了性能，见下文。不知何故，至少对于给定的数组大小，not array.any() 甚至将数组转换为 boolean 类型似乎比 (array == 0).all() 慢。怎么来的？

np.random.seed(100)
a = np.random.rand(10418*144)

%timeit (a == 0)
%timeit (a == 0).all()
%timeit a.astype(bool)
%timeit a.any()
%timeit not a.any()

# 711 µs ± 192 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
# 740 µs ± 1.38 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
# 1.69 ms ± 587 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
# 1.71 ms ± 1.31 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
# 1.71 ms ± 2.05 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Answer 1

问题是由于前两个操作是使用 SIMD 指令向量化的，而后三个不是。更具体地说，最后三个调用对尚未矢量化的 bool (_aligned_contig_cast_double_to_bool) 进行隐式转换。这是一个已知问题，我已经提出了 pull request for this (由于现在修复了未定义的行为，这揭示了一些意想不到的问题)。如果一切正常，它将在 Numpy 的下一个主要版本中可用。

请注意 a.any() 和 not a.any() 隐式地执行一个 boolean 数组的转换，然后执行 any 运行速度更快。这不是很有效，但这样做是为了减少生成的函数变体的数量(Numpy 是用 C 编写的，因此必须为每种类型生成不同的实现，并且很难优化许多变体，所以我们更喜欢这样执行这里隐式转换，更不用说这也减少了生成的二进制文件的大小)。如果这还不够，您可以使用 Cython 来生成更快的特定优化代码。