numpy与原生Python - 最有效的方式

Question

很多功能可以用原生的Python或者numpy来实现。

比如说，数学函数可以通过Python自带的import math来使用，也可以用numpy的方法来实现。处理数组的时候也是一样，可以用numpy的narray，或者用Python的列表推导式和元组。

我有两个跟这些功能有关的问题，这些功能在Python和numpy中都有。

1. 一般来说，如果某个方法在原生Python和numpy中都有，你会更倾向于用哪种方案呢？从效率上来看，有什么不同吗？Python和numpy在处理上有什么区别？

2. 更具体一点，关于数组和一些基本的数组操作，比如排序、连接等，哪种方案更高效呢？是什么让最有效的方案更高效？

这个问题比较开放和笼统。我觉得这不会对我的代码产生太大影响，但我只是想知道一下。

Answer 1

你可以对一些代码片段进行性能测试，看看它们的运行效果。可以使用Python的一个模块叫做timeit，具体的使用方法可以参考这个链接：http://docs.python.org/2/library/timeit.html

Answer 2

1. 在使用NumPy数组和数字列表之间选择时，通常NumPy数组的速度更快。

2. 我不太明白第二个问题，所以就不尝试回答了。

Answer 3

一般来说，为了提高效率，最好避免在这两种数据类型之间进行转换。如果你主要使用非numpy的函数来处理数据，那么这些函数内部会使用标准的Python数据类型，这样的话，使用numpy数组就会变得不太高效，因为需要来回转换。

同样的，如果你使用很多numpy的函数来处理数据，但中间又把数据转换回基本的Python类型，这样也会很低效。

---

在选择函数时，应该使用那些专门为你当前数据类型设计的函数。例如，如果你已经有了一个numpy数组，就用numpy的函数来处理它；如果你有基本的Python数据类型，那就用Python的函数。因为numpy的函数是专门为处理numpy的数据类型优化过的。