就地修改numpy函数输出数组

Question

我正在尝试写一个函数，这个函数可以对一个数组进行数学运算，并返回结果。一个简单的例子可能是：

def original_func(A):
    return A[1:] + A[:-1]

为了提高速度，并且避免每次调用函数时都分配一个新的输出数组，我想把输出数组作为参数传入，并在原地修改它：

def inplace_func(A, out):
    out[:] = A[1:] + A[:-1]

但是，当我以以下方式调用这两个函数时，

A = numpy.random.rand(1000,1000)
out = numpy.empty((999,1000))

C = original_func(A)

inplace_func(A, out)

原来的函数似乎比这个原地修改的函数快了两倍。这怎么解释呢？难道原地修改的函数不应该更快吗？因为它不需要分配内存？

Answer 1

我同意奥利弗的解释。如果你想在原地进行操作，也就是直接在数组上修改，你需要手动遍历你的数组。这样做会慢很多，但如果你需要更快的速度，可以考虑使用Cython，这样可以让你的代码运行得像纯C语言一样快。

Answer 2

如果你想在原地进行操作，可以这样做：

def inplace_func(A, out):
    np.add(A[1:], A[:-1], out)

这样做不会创建任何临时变量，而像 A[1:] + A[:-1] 这样的操作会创建临时变量。

所有的Numpy二元操作都有对应的函数，你可以在这里查看列表：http://docs.scipy.org/doc/numpy/reference/ufuncs.html#available-ufuncs

Answer 3

我觉得答案是这样的：

在这两种情况下，你都在计算 A[1:] + A[:-1]，而且在这两种情况下，你实际上都会创建一个中间的矩阵。

不过在第二种情况下，你是明确地把整个新分配的大数组复制到一个预留的内存里。复制这样一个数组大约需要和最初的操作一样的时间，所以实际上你把时间加倍了。

总结一下，在第一种情况下，你做的是：

compute A[1:] + A[:-1] (~10ms)

而在第二种情况下，你做的是：

compute A[1:] + A[:-1] (~10ms)
copy the result into out (~10ms)