我对以下代码的计时非常奇怪：
import numpy as np
s = 0
for i in range(10000000):
s += np.float64(1) # replace with np.float32 and built-in float
- 内置浮子：4.9秒
- float64: 10.5 秒
- float32: 45.0 秒
Why is float64比慢两倍float？为什么是float32比float64慢5倍？
有什么办法可以避免使用惩罚np.float64，并且有numpy函数返回内置float代替float64?
我发现使用numpy.float64比 Python 的 float 慢得多，并且numpy.float32甚至更慢（即使我在 32 位机器上）。
numpy.float32在我的 32 位机器上。因此，每次我使用各种 numpy 函数，例如numpy.random.uniform，我将结果转换为float32（以便进一步的操作将以 32 位精度执行）。
有没有办法在程序或命令行中的某个位置设置单个变量，并使所有 numpy 函数返回float32代替float64?
EDIT #1:
numpy.float64 是10 times在算术计算中比 float 慢。糟糕的是，即使在计算之前转换为浮点型再转换回来，程序的运行速度也会快 3 倍。为什么？我能做些什么来解决它吗？
我想强调的是，我的时间安排不是由于以下任何原因造成的：
- 该函数调用
- numpy 和 python float 之间的转换
- 对象的创建
我更新了我的代码以更清楚问题所在。使用新代码，我似乎看到使用 numpy 数据类型的性能提高了十倍：
from datetime import datetime
import numpy as np
START_TIME = datetime.now()
# one of the following lines is uncommented before execution
#s = np.float64(1)
#s = np.float32(1)
#s = 1.0
for i in range(10000000):
s = (s + 8) * s % 2399232
print(s)
print('Runtime:', datetime.now() - START_TIME)
时间安排是：
- float64: 34.56s
- float32: 35.11s
- 浮动：3.53s
只是为了它，我也尝试过：
从日期时间导入日期时间
将 numpy 导入为 np
START_TIME = datetime.now()
s = np.float64(1)
for i in range(10000000):
s = float(s)
s = (s + 8) * s % 2399232
s = np.float64(s)
print(s)
print('Runtime:', datetime.now() - START_TIME)
执行时间为13.28秒；实际上转换速度快了 3 倍float64 to float然后返回而不是按原样使用它。尽管如此，转换还是要付出代价的，所以总的来说，与纯 python 相比，它慢了 3 倍多float.
我的机器是：
- 英特尔酷睿 2 双核 T9300 (2.5GHz)
- WinXP 专业版（32 位）
- ActiveState Python 3.1.3.5
- numpy 1.5.1
EDIT #2:
感谢您的回答，他们帮助我了解如何处理这个问题。
但我仍然想知道下面的代码运行速度慢 10 倍的确切原因（也许基于源代码）float64比与float.
EDIT #3:
我在 Windows 7 x64 (Intel Core i7 930 @ 3.8GHz) 下重新运行代码。
同样，代码是：
from datetime import datetime
import numpy as np
START_TIME = datetime.now()
# one of the following lines is uncommented before execution
#s = np.float64(1)
#s = np.float32(1)
#s = 1.0
for i in range(10000000):
s = (s + 8) * s % 2399232
print(s)
print('Runtime:', datetime.now() - START_TIME)
时间安排是：
- 浮点64：16.1秒
- 浮动32：16.1秒
- 浮球：3.2秒
现在两者np浮点数（64 或 32）比内置浮点数慢 5 倍float。尽管如此，还是存在显着差异。我正试图弄清楚它从哪里来。
编辑结束
