numpy转置和翻转索引哪个更快？

Question

我有一个动态规划算法（修改版的Needleman-Wunsch），它需要进行两次相同的基本计算，不过第二次计算的方向是正交的。举个例子，从一个给定的单元格 (i,j) 在矩阵 scoreMatrix 中，我想从 (i,j) 的“上方”计算一个值，同时也想从 (i,j) 的“左侧”计算一个值。为了重用代码，我写了一个函数，第一次我传入参数 i,j,scoreMatrix，而第二次我传入 j,i,scoreMatrix.transpose()。下面是这个代码的一个简化版本：

def calculateGapCost(i,j,scoreMatrix,gapcost):
  return scoreMatrix[i-1,j] - gapcost

...
gapLeft = calculateGapCost(i,j,scoreMatrix,gapcost)
gapUp = calculateGapCost(j,i,scoreMatrix.transpose(),gapcost)
...

我意识到，我可以传入一个函数，在获取 scoreMatrix 中的值时，第一次传入参数 (i,j)，而在第二次时把它们反转为 (j,i)，这样就不需要每次都转置矩阵了。

def passThrough(i,j,matrix):
  return matrix[i,j]

def flipIndices(i,j,matrix):
  return matrix[j,i]

def calculateGapCost(i,j,scoreMatrix,gapcost,retrieveValue):
  return retrieveValue(i-1,j,scoreMatrix) - gapcost

...
gapLeft = calculateGapCost(i,j,scoreMatrix,gapcost,passThrough)
gapUp = calculateGapCost(j,i,scoreMatrix,gapcost,flipIndices)
...

不过，如果numpy的转置功能使用了一些我不知道的特性，能够在很少的操作下完成转置，那么转置可能实际上比我这个传递参数的函数更快。有人能告诉我哪个更快吗？或者有没有我没想到的更好的方法？

实际的方法会调用 retrieveValue 三次，并涉及到两个会被引用的矩阵（如果使用转置的方法，这两个矩阵也会被转置）。

Answer 1

在NumPy中，转置操作会返回一个形状不同的视图，并且有不同的步幅。但它并不会改变数据本身。

所以，你会发现这两种方法的性能基本相同，因为从本质上来说，它们是完全一样的。

不过，唯一能确定的方法就是对这两种方法进行性能测试。