我正在比较性能numpy 与 matlab 对比,在某些情况下,我观察到 numpy 明显慢一些(索引、数组上的简单操作,如绝对值、乘法、求和等)。让我们看一下下面的例子,这个例子有点引人注目,涉及到函数digitize(我计划用它来同步时间戳):
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:
经过的时间是 55.91 秒
现在让我们尝试同样的例子Matlab使用等效函数histc
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:
经过的时间是 0.10237 秒
That's 快 560 倍!
当我学习用 C++ 扩展 Python 时,我实现了自己的 digitalize 版本(使用 boost 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:
经过的时间是0.02秒
有一点作弊,因为我的 digitalize 版本假设输入都是单调的,这可能解释了为什么它比 Matlab 更快。然而,对大小为 1e+6 的数组进行排序需要 0.16 秒(使用 numpy.sort),因此导致我的函数的性能下降worse与 Matlab 函数相比(约 1.6 倍)histc.
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 digitalize 版本比 numpy.digitize 快得多,但仍然比 Matlab 慢(鉴于我假设输入已经排序,我非常有信心使用最快的算法)?
我使用的是 Fedora 16,最近安装了 ATLAS 和 LAPACK 库(但性能发生了很大的变化)。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。
Update
根据到目前为止的答案,我想强调Matlab函数histc is 不等同 to numpy.直方图如果有人(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,它是从输入值到提供的输入箱索引的映射。这样的输出由 numpy 函数提供digitize and 搜索排序。正如其中一个答案所说,搜索排序比digitize。然而,搜索排序是仍然比 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
经过的时间是 0.21 秒
所以现在的问题是:
拥有是什么感觉numpy.数字化如果有一个等价的函数numpy.searchsorted这是快 280 倍?
为什么Matlab函数histc(它还提供了输出numpy.searchsorted) 快 2 倍 than numpy.searchsorted?